基于BP神經(jīng)網(wǎng)絡(luò)的ECAS系統(tǒng)故障診斷策略研究

黃啟科 寧佐歸 張玉林 郭紅鑠 曠水章 方瑜

摘要：ECAS系統(tǒng)根據(jù)汽車(chē)行駛速度與路況進(jìn)行實(shí)時(shí)高度調(diào)節(jié)，在惡劣工況下長(zhǎng)期運(yùn)行易發(fā)生故障。為了快速診斷相關(guān)故障成因，本文圍繞BP神經(jīng)網(wǎng)絡(luò)開(kāi)展了結(jié)構(gòu)設(shè)計(jì)、診斷策略分析、中小樣本的診斷訓(xùn)練。相關(guān)測(cè)試驗(yàn)證了BP神經(jīng)網(wǎng)絡(luò)在ECAS系統(tǒng)故障診斷策略方面的準(zhǔn)確有效。

Abstract： The ECAS system real-time height adjustment according to the vehicle's driving speed and road conditions is performed， and it is prone to failures in long-term operation under severe working conditions. In order to quickly diagnose the cause of related failures， Structure design， diagnosis strategy analysis， and diagnosis training of small and medium samples were carried out around BP neural network in this article. The accuracy and effectiveness of BP neural network in ECAS system fault diagnosis strategy was verified in related tests.

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò);ECAS系統(tǒng);故障診斷策略

Key words： BP neural network;ECAS system;fault diagnosis strategy

中圖分類(lèi)號(hào)：U472.4? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-957X（2020）21-0112-02

0? 引言

電控空氣懸架（Electronically Controlled Air Suspension）系統(tǒng)簡(jiǎn)稱(chēng)ECAS系統(tǒng)，是一種用空氣彈簧代替?zhèn)鹘y(tǒng)鋼板彈簧、螺旋彈簧、扭轉(zhuǎn)彈簧等的新型懸架結(jié)構(gòu)與技術(shù)。主要構(gòu)件有：電子控制器（ECU）、電磁閥、高度傳感器、氣囊、遙控器等[1-2]，如圖1所示。ECAS系統(tǒng)工作原理是ECU采集高度傳感器信號(hào)后，通過(guò)邏輯策略控制電磁閥通斷，對(duì)氣囊充放氣實(shí)現(xiàn)懸架高度調(diào)節(jié)。

故障診斷策略是ECAS系統(tǒng)智能精準(zhǔn)控制一大難點(diǎn)。ECAS系統(tǒng)參與汽車(chē)行駛、啟動(dòng)、加速、減速、轉(zhuǎn)彎、上坡、停車(chē)等全過(guò)程，涉及多部件多狀態(tài)，診斷難度極大，對(duì)其開(kāi)展相關(guān)研究具有現(xiàn)實(shí)意義。

1? BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)是一種反饋網(wǎng)絡(luò)的學(xué)習(xí)算法，反映樣本的輸入輸出關(guān)系[3]，其結(jié)構(gòu)示意如圖2。

圖2顯示：BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)組成為：輸入層、隱含層（多層）和輸出層（含期望輸出與導(dǎo)師信號(hào)）以及前向誤差反傳（學(xué)習(xí)算法）[4-6]。正向運(yùn)算過(guò)程為：隱含層通過(guò)轉(zhuǎn)換函數(shù)，將前傳過(guò)來(lái)的輸入信息往下傳送到輸出層節(jié)點(diǎn)。反向運(yùn)算過(guò)程為：當(dāng)輸出層沒(méi)有達(dá)到期望輸出，誤差反轉(zhuǎn)傳遞，循環(huán)迭代。BP神經(jīng)網(wǎng)絡(luò)通過(guò)正、反雙向過(guò)程的反復(fù)運(yùn)算，最終實(shí)現(xiàn)預(yù)期目標(biāo)。

2? BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)重要原則

2.1 設(shè)置網(wǎng)絡(luò)結(jié)構(gòu)

根據(jù)具體工程問(wèn)題與相關(guān)經(jīng)驗(yàn)確定BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層和輸出層三大結(jié)構(gòu)節(jié)點(diǎn)數(shù)。

2.2 修正相關(guān)參數(shù)

前向反饋學(xué)習(xí)時(shí)，不斷循環(huán)計(jì)算均方誤差，調(diào)整初始權(quán)值、閾值、最大訓(xùn)練次數(shù)、學(xué)習(xí)精度、初始學(xué)習(xí)速率以及隱藏層節(jié)點(diǎn)數(shù)達(dá)到輸出期望值[7-10]。

3? BP神經(jīng)網(wǎng)絡(luò)ECAS系統(tǒng)故障診斷策略

3.1 診斷流程設(shè)計(jì)

ECAS系統(tǒng)對(duì)于單一故障源可以通過(guò)ECU內(nèi)部邏輯關(guān)系確診，但對(duì)于實(shí)時(shí)多狀態(tài)多參數(shù)的故障源診斷時(shí)間長(zhǎng)、效果差，本文在此背景下開(kāi)展BP神經(jīng)網(wǎng)絡(luò)的故障策略診斷。

簡(jiǎn)要診斷流程如圖3所示：ECU接收到經(jīng)整流與A/D轉(zhuǎn)換的數(shù)字信號(hào)，在經(jīng)過(guò)預(yù)處理后，傳遞給BP神經(jīng)網(wǎng)絡(luò)診斷，BP神經(jīng)網(wǎng)絡(luò)綜合樣本數(shù)據(jù)訓(xùn)練，診斷分析出相應(yīng)故障。

3.2 診斷樣本設(shè)計(jì)

根據(jù)上述BP神經(jīng)網(wǎng)絡(luò)重要原則與診斷流程，本文選取常見(jiàn)的9組故障現(xiàn)象與故障成因進(jìn)行BP診斷，按照計(jì)算，應(yīng)該有511種可能的故障組合，但實(shí)際工程中故障之間有一定的相關(guān)性，沒(méi)有511種之多。假設(shè)故障現(xiàn)象依次有：m1空氣懸架反復(fù)調(diào)節(jié)，m2熄火后嚴(yán)重側(cè)傾，m3故障燈一直閃爍，m4工作時(shí)遙控器無(wú)作用，m5空氣懸架達(dá)不到最大高度，m6故障燈一直亮，m7卸載裝載時(shí)電磁閥無(wú)動(dòng)作，m8工作時(shí)遙控器起反作用，m9一側(cè)懸架突然放氣。將9大故障現(xiàn)象設(shè)置為輸入層矢量M=（m1，m2，m3，m4，m5，m6，m7，m8，m9）。同理故障原因有：n1ECU參數(shù)標(biāo)定與設(shè)置錯(cuò)誤，n2ECU硬件電路損壞，n3傳感器已經(jīng)拉斷，n4電磁閥通道已被堵塞，n5為ECU軟件程序錯(cuò)誤，n6傳感器線(xiàn)路連接故障，n7兩側(cè)高度調(diào)節(jié)范圍過(guò)量，n8氣動(dòng)管路扭結(jié)、斷裂或氣囊破損漏氣，n9氣源供給氣壓低于0.6Mpa。將9大故障原因設(shè)置為輸出層矢量N=（n1，n2，n3，n4，n5，n6，n7，n8，n9）。假定mi=0表示該故障現(xiàn)象不存在，mi=l表示該故障現(xiàn)象存在。同理ni=0表示沒(méi)有該故障原因，ni=1表示有該類(lèi)故障原因。從理論的511種可能故障中選取最常見(jiàn)的12種，組成9×12組小樣本作為BP故障診斷的輸入量。

3.3 診斷分析

設(shè)置BP神經(jīng)網(wǎng)絡(luò)初始學(xué)習(xí)速率0.01，最大訓(xùn)練量5000次，目標(biāo)誤差值1e-5，最小優(yōu)化系數(shù)0.01，學(xué)習(xí)速率增長(zhǎng)率10，其診斷訓(xùn)練結(jié)果如圖4所示。

圖4顯示均方誤差隨訓(xùn)練迭代次數(shù)的增加而較少，在迭代56次以后，實(shí)際誤差達(dá)到7.38e-7，這個(gè)誤差遠(yuǎn)低于目標(biāo)值1e-5，BP神經(jīng)網(wǎng)絡(luò)運(yùn)算結(jié)束。說(shuō)明小樣本的訓(xùn)練診斷無(wú)須更改網(wǎng)絡(luò)初始權(quán)值與閾值設(shè)置來(lái)達(dá)到目標(biāo)預(yù)期輸出，會(huì)突破原有設(shè)定目標(biāo)值，使得均方誤差更小更精準(zhǔn)。

診斷訓(xùn)練數(shù)據(jù)顯示：仿真測(cè)試數(shù)據(jù)與目標(biāo)數(shù)據(jù)最大誤差為+6.86e-4/-4.01e-4。正負(fù)誤差均小于7.0e-4，差值區(qū)間很小，完全滿(mǎn)足故障診斷的要求。

3.4 診斷樣本擴(kuò)增

9×12組小樣本故障診斷與測(cè)試不能反映真實(shí)ECAS系統(tǒng)故障種類(lèi)與數(shù)量，將診斷樣本擴(kuò)增至9×24組，其診斷訓(xùn)練結(jié)果如圖5所示。

在迭代631次以后，均方誤差最佳值達(dá)到9.80e-6，低于目標(biāo)值1e-5。其仿真測(cè)試數(shù)據(jù)與目標(biāo)數(shù)據(jù)最大誤差為+1.19e-2/-1.85e-2。正負(fù)誤差均小于0.02，診斷訓(xùn)練效果較好，滿(mǎn)足故障診斷的要求。

4? 結(jié)語(yǔ)

本文運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對(duì)ECAS系統(tǒng)故障進(jìn)行診斷策略研究，從診斷結(jié)果看，小樣本迭代次數(shù)少，診斷精確度高，中等樣本迭代次數(shù)多，診斷時(shí)間長(zhǎng)，診斷精確度隨著迭代次數(shù)的增加而降低，在診斷訓(xùn)練過(guò)程中，初始參數(shù)的修正也對(duì)診斷結(jié)果有著重大影響，很多參數(shù)調(diào)試與診斷經(jīng)驗(yàn)有關(guān)，后期診斷算法應(yīng)該在擴(kuò)充樣本同時(shí)進(jìn)一步優(yōu)化全局誤差，使ECAS系統(tǒng)的故障診斷更為精確。

參考文獻(xiàn)：

[1]黃啟科，麻友良，王保華.汽車(chē)電控空氣懸架發(fā)展與研究現(xiàn)狀綜述[J].湖北汽車(chē)工業(yè)學(xué)院學(xué)報(bào)，2013，27（02）：27-33.

[2]黃啟科.電控空氣懸架控制策略與控制器開(kāi)發(fā)[D].武漢科技大學(xué)，2014.

[3]劉順安，胡慶玉，高春甫，于顯利，姚永明，陳延禮.IPSO-BP算法在半主動(dòng)懸架控制中的應(yīng)用[J].北京工業(yè)大學(xué)學(xué)報(bào)，2011，37（09）：1281-1286.

[4]胡慶玉.基于IPSO-BP網(wǎng)絡(luò)的汽車(chē)半主動(dòng)懸架控制算法研究[D].吉林大學(xué)，2010.

[5]王春華，唐焱.車(chē)輛主動(dòng)懸架的BP神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID控制[J].計(jì)算機(jī)仿真，2009，26（05）：274-277.

[6]于海波，李幼德，門(mén)玉琢，李躍偉.基于BP神經(jīng)網(wǎng)絡(luò)的車(chē)輛轉(zhuǎn)向穩(wěn)定性控制策略及仿真[J].機(jī)械設(shè)計(jì)與制造，2008（02）：157-159.

[7]呂楠，姚平喜.基于BP神經(jīng)網(wǎng)絡(luò)的滾動(dòng)軸承故障診斷[J].煤礦機(jī)械，2020，41（08）：172-173.

[8]李鑫軍，柳江，劉之涵，付延軒.饋能懸架BP神經(jīng)網(wǎng)絡(luò)PID控制研究[J].現(xiàn)代制造工程，2020（03）：60-65，135.

[9]張建強(qiáng)，時(shí)巖，馮海峰.基于BP神經(jīng)網(wǎng)絡(luò)模糊PID的主動(dòng)懸架控制研究[J].制造業(yè)自動(dòng)化，2019，41（02）：58-61，76.

[10]孫霞，袁媛，張然，王超，楊嘉明.遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)在搬運(yùn)鐘時(shí)間同步中的應(yīng)用[A].中國(guó)衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心.第十一屆中國(guó)衛(wèi)星導(dǎo)航年會(huì)論文集——S06時(shí)間基準(zhǔn)與精密授時(shí)[C].中國(guó)衛(wèi)星導(dǎo)航系統(tǒng)管理辦公室學(xué)術(shù)交流中心：中科北斗匯（北京）科技有限公司，2020：5.