一种基于数据流趋势与相关性分析的汽油机空燃比故障实时检测方法

本文中根据汽油机空燃比故障的特点,提出了一种基于数据流趋势异常和相关性分析的故障实时检测方法。为了提高准确率和运行效率,通过衰减和时间判断法在误差累积和算法CUSUM基础上进行改进,对数据流之间的相关性进行快速估计,使整个系统能运行在对资源比较敏感的车载平台上。在长安福特发动机上的实验结果表明,相比传统的基于SVM和神经网络的故障检测方法,该方法能以较低的资源消耗获得更好的故障检测效果。

基于字典相干性优化的稀疏分类在发动机空燃比故障识别中的应用

稀疏分类直接把故障样本作为原子会造成分类字典相干性较高,进而影响稀疏分类精度,为此提出一种通过有效降低分类字典相干性来提高稀疏分类效果的优化算法。该方法首先通过传播聚类算法获取分类子字典的代表原子,然后基于极分解和子空间旋转法对子字典进行相干性优化。在某型发动机上的实验结果表明,该算法在低相干性字典上能够对怠速和2000r/min工况下的5种常见空燃比故障进行高精度识别。