基于多维关联规则的车辆故障码解耦方法研究

本文提出一种针对车辆复杂耦合故障的故障码(DTC)解耦方法。首先由车辆故障自诊断原理及故障信号传播过程分析故障码的复杂关联性,结合关联规则技术挖掘故障码间强关联关系,并定义故障码多维关联规则;其次由故障码数据集特征,改进适用于故障码多维关联规则挖掘的FP-Growth算法;最后由多维关联规则构建故障码关联知识图谱,结合图论实现复杂故障码解耦。结果表明,该方法能有效降低故障码的数量及复杂度,提升基于故障码检修故障的效率。

基于WOA-VMD和香农熵的锂电池早期故障诊断研究

针对当前电池管理系统无法诊断早期故障的问题,本文提出了一种基于WOA-VMD和香农熵的锂电池早期故障诊断方法。首先引入鲸鱼优化算法对变分模态分解算法进行参数寻优,提高变分模态分解算法的分解效果,使之分解得到包含更多故障特征信息的本征模态函数分量,再对单体电池电压信号进行分解重构,减少测量噪声和额外激励电压造成的影响。进而采用滑动窗口计算单体电压的香农熵极差和单体电压离差的总体香农熵,设置合适的阈值进行早期故障诊断。经过实际车辆数据验证,该方法可以提前10 min左右进行故障预警,且对于无故障车辆不会产生虚假预警,具有较强的鲁棒性和可靠性。

基于模糊BN和改进证据理论的车辆故障定位方法

为解决车辆售后维修过程中由于车辆部件的关联故障而产生大量杂乱故障码,导致通过分析故障码进行源头故障部件定位困难的问题,本文提出一种基于模糊BN和改进证据理论的车辆故障定位方法。首先,根据历史数据及专家经验构建模糊BN模型并得到其后验概率。其次,将后验概率作为改进证据理论的基本概率赋值输入,提出融合邓熵和Pignistic概率距离的修正系数对证据修正,解决证据不确定性及证据间冲突问题。然后,采用基于矩阵分析的证据合成规则,避免大量证据合成失败情况的同时减少计算量,得到故障定位结果。最后,以ABS系统为例,验证该方法的可行性。本文所提出的方法可为维修人员提供指导进行快速定位故障。