基于危險理論的智能輪轂單元狀態(tài)檢測方法研究.pdf

1、隨著國內(nèi)生產(chǎn)、生活水平的不斷提高，汽車保有量快速增長，行車問題也日益受到政府和國民等相關方面的高度重視。輪轂單元作為重要的安全件，受力復雜，出現(xiàn)問題時易導致重大的交通事故，因此對其進行工作狀態(tài)監(jiān)測和故障診斷具有重要意義。智能輪轂單元可以實時監(jiān)測輪轂單元安裝在汽車上后的運行狀態(tài)，及時發(fā)現(xiàn)出現(xiàn)的故障，是今后輪轂單元發(fā)展的方向，因此開展智能輪轂單元的研究有重要的理論和工程應用意義。智能輪轂單元的狀態(tài)檢測技術是其重要的組成部分，檢測技術性能的好

2、壞直接決定了智能輪轂單元的整體性能。因此研究智能輪轂單元的檢測技術有助于智能輪轂單元的發(fā)展。目前，智能化的狀態(tài)檢測和故障診斷方法已成為研究人員研究的熱點。人工免疫系統(tǒng)是近年發(fā)展起來的一種智能系統(tǒng)，危險理論作為人工免疫系統(tǒng)中的一種較新的模型，對于解決一些工程問題具有很大的研究意義和應用價值。因此，本文針對智能輪轂單元提出了一種基于危險理論——云模型的智能輪轂單元在線檢測和故障診斷方法。
　　首先，針對信號的預處理和消噪，提出基于數(shù)學

3、形態(tài)學的汽車輪轂單元狀態(tài)信號消噪算法，該算法只涉及加、減和取極值計算，不涉及乘除計算，運算簡便快速，適用于在線檢測。通過與其他消噪方法比較，該方法可以保證一定的有效性和可行性。
　　其次，從信號魯棒性角度考慮，基于模糊推理原理，構(gòu)造了多源信號融合算法，對采集的同一類別的多源信號進行數(shù)據(jù)融合。融合的層次為特征級，該層次的數(shù)據(jù)融合方法兼顧了數(shù)據(jù)級融合與決策級融合的優(yōu)點。為了與下文中基于云模型的危險信號檢測器相匹配，在數(shù)據(jù)融合處理時采用

4、了模糊推理原理，并分析了具體實現(xiàn)方法。
　　再次，在危險理論及云理論的基礎上，針對輪轂單元這一特定系統(tǒng)，提出系統(tǒng)故障的危險定義。在算法實現(xiàn)上，需先建立正常工況及常見故障工況下的數(shù)據(jù)庫，在此基礎上構(gòu)造識別檢測器；然后采用未知確定度信息的逆向云算法獲取狀態(tài)信號的時頻域特征，并將特征向量與識別檢測器進行匹配計算；對于識別的危險信號，經(jīng)過進一步分析，確定危險類型和等級。
　　然后，提出狀態(tài)檢測和故障診斷的決策算法。根據(jù)系統(tǒng)性能指標的