原文传递
基于无监督学习的汽车动力故障诊断系统设计与实现
| 论文题名： | 基于无监督学习的汽车动力故障诊断系统设计与实现 |
| 关键词： | 汽车动力系统;故障诊断;数据采集;无监督学习;云平台 |
| 摘要： | 汽车动力故障诊断系统作为汽车稳定性和安全性的保障，是汽车最基本的软硬件组成。更加智能和方便的汽车动力故障诊断系统的需求强烈，经济市场规模大，政策导向利好。目前，车载自诊断(On-BoardDiagnosis，OBD)系统存在诸多问题:需构建大型专家知识库;未知故障的诊断能力有限;外接OBD诊断仪查看故障信息的方式效率低;时序数据记录缺失，不能充分反映汽车动力系统运行状态。远程汽车动力故障诊断系统的落地应用仍未形成规模，并且存在高度依赖汽车本身OBD系统、适用车型有限等缺点。为解决以上问题，本文进行了基于无监督学习的汽车动力故障诊断系统的设计与实现工作。本文研究内容如下: 1.设计汽车动力故障诊断系统的整体架构，包括分布式汽车动力数据采集设备集群和实时汽车动力故障诊断云平台。分布式汽车动力数据采集设备集群由多个设备和无线Wi-Fi接入点组成，负责将采集的数据传输至故障诊断云平台;故障诊断云平台运行基于无监督学习的汽车动力故障诊断算法，实现实时故障检测与定位。 2.设计并实现分布式汽车动力数据采集设备。使用无线Wi-Fi局域网时钟同步算法解决设备间时钟同步问题，可组成具备高精度同步时钟的分布式汽车动力数据采集设备集群;硬件性能优化包括电源防浪涌、防反接、防短路，组合开关电源、线性电源提升能量转化效率，分离数字电路、模拟电路、电源电路区域提升ADC采集精度等。 3.研究基于无监督学习的汽车动力系统故障诊断算法。提出周期采样器方法，来处理缺失数据和时间戳不对齐的问题;结合卷积神经网络、卷积长短时记忆网络以及自编码网络，能够较好提取汽车动力系统的多维数据关系特征和时序特征;采用无监督学习方法实现汽车动力故障诊断，该方法不需要故障标签和专家知识，适用于汽车动力故障诊断等缺乏故障标签的场景。 4.设计和实现实时汽车动力故障诊断云平台。JT/T808设备接入节点可以拓展为超大规模集群，提供设备大连接能力;Kafka流平台和多个故障诊断主机共同实现了数据负载均衡和并行计算，并多阶段地运行故障诊断算法，提供实时故障诊断能力;可视化界面提供故障位置查询、汽车运行状态还原等服务。 |
| 作者： | 宋超超 |
| 专业： | 控制科学与工程 |
| 导师： | 陈积明;史治国 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
