隨著自動(dòng)駕駛技術(shù)不斷地發(fā)展創(chuàng)新,汽車已逐漸成為人們?nèi)粘Ｉ钪斜夭豢缮俚慕煌üぞ�。為了確保汽車系統(tǒng)運(yùn)行的可靠性與安全性,減少交通事故的頻繁發(fā)生,汽車系統(tǒng)的過程監(jiān)控已成為當(dāng)前主要的研究內(nèi)容�；跀�(shù)據(jù)驅(qū)動(dòng)的故障診斷方法不需要搭建精確的解析模型,所需的先驗(yàn)知識較少,只需采集汽車系統(tǒng)的過程數(shù)據(jù)建立智能故障診斷模型。因此相比基于解析模型和基于知識的方法,該方法更適用于如今汽車系統(tǒng)的過程監(jiān)控。在汽車發(fā)生故障的場景中,執(zhí)行器和傳感器故障所占比例較高,因此對汽車傳感器故障診斷展開研究具有十分重要的理論意義和現(xiàn)實(shí)意義。本文針對汽車傳感器開展故障檢測與分類的研究工作,主要包括:（1）傳統(tǒng)的基于主成分分析（PCA）的故障診斷方法假定過程變量符合高斯分布。汽車傳感器過程數(shù)據(jù)具有強(qiáng)非高斯性特征。雖然快速獨(dú)立成分分析（FastICA）算法能應(yīng)用于非高斯過程數(shù)據(jù)的故障診斷,但是FastICA算法使用牛頓迭代法容易陷入局部最優(yōu)值。為此,本文引入Adam優(yōu)化算法提出改進(jìn)的ICA算法。通過汽車傳感器仿真實(shí)驗(yàn),驗(yàn)證了改進(jìn)的ICA算法相比FastICA算法的故障檢測效果更有效。（2）汽車過程數(shù)據(jù)具有非線性和非高斯性特征。稀疏去... 

【文章來源】：浙江大學(xué)浙江省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 引言
    1.2 汽車傳感器故障診斷研究意義和研究內(nèi)容
        1.2.1 研究意義
        1.2.2 汽車傳感器故障診斷的研究內(nèi)容
    1.3 汽車傳感器故障診斷的研究現(xiàn)狀
        1.3.1 基于解析模型的方法
        1.3.2 基于知識的方法
        1.3.3 基于數(shù)據(jù)驅(qū)動(dòng)的方法
    1.4 汽車故障診斷的發(fā)展趨勢
    1.5 本文的研究內(nèi)容與組織結(jié)構(gòu)
        1.5.1 本文研究內(nèi)容
        1.5.2 本文組織結(jié)構(gòu)
2 基于獨(dú)立成分分析的故障檢測方法
    2.1 引言
    2.2 獨(dú)立成分分析（ICA）算法
        2.2.1 原始ICA算法
        2.2.2 快速ICA （Fast ICA）算法
        2.2.3 核密度估計(jì)
    2.3 基于改進(jìn)ICA算法的檢測方法研究
        2.3.1 自適應(yīng)矩估計(jì)（Adam）算法
        2.3.2 基于改進(jìn)ICA的故障檢測方法
    2.4 汽車傳感器故障數(shù)據(jù)采集
    2.5 基于改進(jìn)ICA的汽車仿真實(shí)驗(yàn)研究
    2.6 本章小結(jié)
3 基于稀疏去噪自編碼器的故障檢測方法
    3.1 引言
    3.2 稀疏去噪自編碼器基礎(chǔ)
        3.2.1 自編碼器（AE）
        3.2.2 稀疏自編碼器（SAE）
        3.2.3 去噪自編碼器（DAE）
    3.3 基于ICA-SDAE的檢測方法研究
        3.3.1 稀疏去噪自編碼器（SDAE）
        3.3.2 基于ICA-SDAE的故障檢測方法
    3.4 基于ICA-SDAE的汽車仿真實(shí)驗(yàn)研究
        3.4.1 Xavier初始化方法
        3.4.2 參數(shù)設(shè)置
        3.4.3 仿真實(shí)驗(yàn)結(jié)果分析
    3.5 本章小結(jié)
4 基于長短時(shí)記憶網(wǎng)絡(luò)的故障分類方法
    4.1 引言
    4.2 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        4.2.1 循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）
        4.2.2 長短時(shí)記憶網(wǎng)絡(luò)（LSTM）
    4.3 基于BN的LSTM分類模型設(shè)計(jì)
        4.3.1 批量標(biāo)準(zhǔn)化（BN）
        4.3.2 基于BN-LSTM故障分類模型
    4.4 基于LSTM的汽車仿真實(shí)驗(yàn)研究
        4.4.1 參數(shù)設(shè)置
        4.4.2 仿真實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 總結(jié)
    5.2 展望
參考文獻(xiàn)
致謝
個(gè)人簡歷
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]汽車電子節(jié)氣門角度傳感器的故障檢測與重構(gòu)[J]. 劉尚,童亮,路艷群,謝明偉.  儀表技術(shù)與傳感器. 2017(11)
[2]基于數(shù)據(jù)和知識的工業(yè)過程監(jiān)視及故障診斷綜述[J]. 劉強(qiáng),柴天佑,秦泗釗,趙立杰.  控制與決策. 2010(06)
[3]基于信息融合的汽車衡稱重傳感器故障診斷[J]. 林海軍,滕召勝,遲海,吳陽平,易釗.  控制理論與應(yīng)用. 2010(01)
[4]基于模糊數(shù)學(xué)的汽車懸架系統(tǒng)故障診斷方法[J]. 劉玉梅,蘇建,曹曉寧,熊偉,宋學(xué)忠.  吉林大學(xué)學(xué)報(bào)(工學(xué)版). 2009(S2)
[5]基于灰色粗集模型的汽車變速箱故障診斷方法[J]. 吳曉兵.  北京理工大學(xué)學(xué)報(bào). 2000(05)
[6]神經(jīng)網(wǎng)絡(luò)技術(shù)在汽車故障診斷專家系統(tǒng)中的應(yīng)用[J]. 陳朝陽,張代勝.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2000(01)
[7]人工神經(jīng)網(wǎng)絡(luò)在汽車故障診斷中的應(yīng)用[J]. 朱理,王曉立.  湖南大學(xué)學(xué)報(bào)(自然科學(xué)版). 1995(06)

碩士論文
[1]車輛穩(wěn)定系統(tǒng)執(zhí)行器和傳感器聯(lián)合故障診斷研究[D]. 鮑亞新.吉林大學(xué) 2017
[2]基于改進(jìn)ICA算法的高爐故障診斷方法[D]. 孫夢園.浙江大學(xué) 2017
[3]基于核獨(dú)立成分分析的復(fù)雜系統(tǒng)故障檢測與分類研究[D]. 楊澤宇.杭州電子科技大學(xué) 2017
[4]基于故障樹與實(shí)例推理的汽車故障診斷系統(tǒng)的研究與設(shè)計(jì)[D]. 王文晶.寧夏大學(xué) 2014
[5]基于信息融合技術(shù)的故障診斷模型和方法研究[D]. 張遠(yuǎn).中南大學(xué) 2003
[6]基于故障樹分析法的汽車故障診斷專家系統(tǒng)的研究[D]. 許化東.合肥工業(yè)大學(xué) 2002



本文編號：3018615