機(jī)電工程學(xué)院
畢業(yè)設(shè)計(jì)外文資料翻譯
設(shè)計(jì)題目: GD1091型商用車制動(dòng)系設(shè)計(jì)
譯文題目: 多傳感器數(shù)據(jù)融合的汽車發(fā)動(dòng)機(jī)故障診斷
學(xué)生姓名：
學(xué) 號(hào)：
專業(yè)班級(jí)：
指導(dǎo)教師：
正文：外文資料譯文 附 件：外文資料原文
指導(dǎo)教師評(píng)語：
簽名： 20xx 年 3 月 5 日
正文：外文資料譯文
文獻(xiàn)出處: 清華科技，2004（6），pp262- 265
多傳感器數(shù)據(jù)融合的汽車發(fā)動(dòng)機(jī)故障診斷
王赟松，褚福磊，何永勇，郭 丹
（清華大學(xué)摩擦學(xué)國家重點(diǎn)實(shí)驗(yàn)室，精密儀器和機(jī)械學(xué),北京,郵編100084）
摘要:本文主要介紹了一種決策級(jí)數(shù)據(jù)融合技術(shù)的故障診斷長期地控制發(fā)動(dòng)機(jī)工作。實(shí)驗(yàn)在桑塔納AJR發(fā)動(dòng)機(jī)數(shù)據(jù)融合方法提供良好的發(fā)動(dòng)機(jī)故障診斷。在數(shù)據(jù)融合方法,數(shù)據(jù)級(jí)融合數(shù)據(jù)預(yù)處理負(fù)載小,精度高,但需要相應(yīng)的傳感器數(shù)據(jù)和操作性能差?；贒-S證據(jù)理論的決策級(jí)融合過程可公度數(shù)據(jù)和強(qiáng)大的使用性能，可以減少圖片的模糊度,增加信心,并提高了系統(tǒng)的可靠性,但融合精度低和數(shù)據(jù)預(yù)處理成本高。特征級(jí)融合提供了兩種方法之間的良好折衷，逐漸成熟。此外，提供了獲取原始數(shù)據(jù)進(jìn)行數(shù)據(jù)融合的前提，所以對(duì)信號(hào)的采集和處理系統(tǒng)對(duì)于汽車發(fā)動(dòng)機(jī)的測試也設(shè)計(jì)了虛擬儀器技術(shù)。
關(guān)鍵詞:發(fā)動(dòng)機(jī)；故障診斷；數(shù)據(jù)融合；D-S證據(jù)理論
簡介
近年來，多傳感器數(shù)據(jù)融合的應(yīng)用已受到非軍事方面的關(guān)注。數(shù)據(jù)融合技術(shù)相結(jié)合的數(shù)據(jù)從多個(gè)傳感器和相關(guān)信息從相關(guān)的數(shù)據(jù)庫實(shí)現(xiàn)精度的提高，和更多的具體的推論可以通過使用單個(gè)傳感器。
汽車是由機(jī)械，電子，和液壓集成的復(fù)雜機(jī)器，所以汽車發(fā)動(dòng)機(jī)故障診斷是在這一過程中多源傳感器數(shù)據(jù)監(jiān)控汽車操作條件所取得，組合，和應(yīng)用的。在診斷方面，單源信息始終是模糊的，不精確的，不完全的。只有對(duì)汽車結(jié)合多源數(shù)據(jù)上提供更可靠和更正確的診斷，所以我們可以應(yīng)用多傳感器數(shù)據(jù)融合技術(shù)來診斷汽車故障。
1信號(hào)的預(yù)處理和特征提取
1.1基于信號(hào)采集與處理虛擬儀器技術(shù)
獲取的原始數(shù)據(jù)，對(duì)數(shù)據(jù)的前提條件是融合。我們?cè)O(shè)計(jì)了一個(gè)用于信號(hào)采集系統(tǒng)處理用于汽車發(fā)動(dòng)機(jī)試驗(yàn)通過采用虛擬儀器技術(shù)。系統(tǒng)硬件主要由傳感器，信號(hào)調(diào)理電路，PCI-6023E數(shù)據(jù)采集板，及個(gè)人電腦。程序是軟件一個(gè)虛擬儀器開發(fā)平臺(tái)裝置—LabVIEW。系統(tǒng)的實(shí)時(shí)數(shù)據(jù)采集，顯示歷史的短暫的數(shù)據(jù)，實(shí)現(xiàn)了數(shù)據(jù)后處理的數(shù)字濾波，頻譜分析，并繪制波形。
1.2特征選擇和提取
在發(fā)動(dòng)機(jī)故障診斷虛擬儀器系統(tǒng)獲取和處理數(shù)據(jù)從傳感器和執(zhí)行器獲得特征反映發(fā)動(dòng)機(jī)工作條件。一些功能是多余的。這帶來了很多計(jì)算負(fù)荷數(shù)據(jù)的后處理，作為一個(gè)結(jié)果降低了診斷的效率。因此，數(shù)特征必須為數(shù)據(jù)融合的減少。
最簡單的特征選擇方法是在專業(yè)知識(shí)和經(jīng)驗(yàn)的基礎(chǔ)上的。怠速不穩(wěn)是一種常見的故障，是由于燃料噴射閥堵塞，較早的的點(diǎn)火或進(jìn)氣歧管真空泄漏，汽車電子控制發(fā)動(dòng)機(jī)。我們可以選擇四電子氧傳感器波形，點(diǎn)火系統(tǒng)，噴油閥，真空傳感器診斷故障。信息的傳感器和執(zhí)行器的數(shù)據(jù)體現(xiàn)在波形結(jié)構(gòu)是由提取的特征表示的。例如，氧波形可以完全地被四電子氧傳感器表示最大，最小和平均電壓的特點(diǎn)，和響應(yīng)時(shí)間和允許空燃混合物豐富的精益；點(diǎn)火波形表示穿刺，火花，和最小電壓，閉合角，火花持續(xù)時(shí)間，和點(diǎn)火剩余電壓振蕩次數(shù)線圈；噴油波形表示的最大和最小電壓，并加速時(shí)間；真空波形的最大，最小的表示，和平均電壓。
特征選擇后的特征向量有多重尺寸可通過變換降低—K-L變換。因此，幾個(gè)主要組件的線性獨(dú)立性是用來代表特征。例如，我們可以選擇的一階和二階作為氧的波形特征的主要成分。
2決策水平中的應(yīng)用數(shù)據(jù)融合方法
觀測數(shù)據(jù)可以合并，或融合，在從原始數(shù)據(jù)中的水平變化（或觀察）水平的狀態(tài)向量的水平，或在決策層。原傳感器的數(shù)據(jù)可以直接結(jié)合，如果傳感器數(shù)據(jù)相稱的（即，如果傳感器測量相同的物理現(xiàn)象，如兩個(gè)溫度傳感器）。相反，如果傳感器的數(shù)據(jù)不等量，然后必須將數(shù)據(jù)在特征融合/矢量的水平或決策水平。特征級(jí)融合包括有代表性的特征提取來自傳感器的數(shù)據(jù)。在特征級(jí)融合，特征從多個(gè)傳感器的觀測中提取，和合并成一個(gè)單一的級(jí)聯(lián)的特征向量這是基于輸入模式識(shí)別方法神經(jīng)網(wǎng)絡(luò)方法。決策級(jí)融合包括傳感器信息融合，在每個(gè)傳感器有了一個(gè)初步確定故障診斷。決策級(jí)融合方法的一個(gè)例子是Dempster-Shafer（D-S）證據(jù)理論，這是本文主要介紹了。
D-S證據(jù)理論提供了一個(gè)從多傳感器結(jié)合數(shù)據(jù)的有趣的工具。它廣泛用于目標(biāo)跟蹤，目標(biāo)自動(dòng)識(shí)別，和有限的自動(dòng)推理的應(yīng)用，但是針對(duì)故障診斷。在這一節(jié)中我們將研究了D-S證據(jù)理論的故障中的應(yīng)用桑塔納AJR發(fā)動(dòng)機(jī)診斷。
D-S證據(jù)理論提出了一種識(shí)別框架的概念，即，一系列相互的獨(dú)家命題。相關(guān)命題假設(shè)被表示為框架，即一個(gè)亞群，有限集。基本概率賦值，或質(zhì)量函數(shù)，超過是
當(dāng)是空集時(shí)，A是一個(gè)子集，。
一系列集限的子集B稱為質(zhì)量函數(shù)焦元。信念的措施，貝爾（B）和似然測度的PL（B）可以計(jì)算：
信念的措施，貝爾（B）量化的力量相信一個(gè)發(fā)生的事件。該函數(shù)m，貝爾，和PL來自上下的概念一套兼容的概率分布范圍。此外，D-S證據(jù)理論允許融合利用Dempster組合的幾個(gè)來源。它的定義是一樣的（交換和正交和關(guān)聯(lián)）在下列方程，
兩個(gè)來源，一個(gè)證據(jù)假說聚合體能表示為如下的式子：
其中：
現(xiàn)在研究D-S證據(jù)理論的應(yīng)用發(fā)動(dòng)機(jī)故障的診斷。假設(shè)有n個(gè)相互獨(dú)立的獨(dú)立的故障類型進(jìn)行分類，和M類傳感器來監(jiān)測汽車發(fā)動(dòng)機(jī)的條件。使用矢量HJ＝{?hj0，HJ1，…，Hjn} J?=?（1，2，…，N）表示的第j個(gè)故障特征， (k = 1, 2,… , M) 來表示第k個(gè)傳感器數(shù)據(jù)特征的測量，這里的n是在識(shí)別框架里的元素的數(shù)字。這兩個(gè)向量之間的關(guān)系程度較小，較大的概率故障看作由第j?k次傳感器分配。在兩個(gè)向量之間的關(guān)系的程度可以用歐氏距離表示:
這里的是第i個(gè)組成的向量，是第i個(gè)組成的向量
用式（6），我們得到的距離矩陣
經(jīng)取代后為，規(guī)范每一行的矩陣我們可以得到另一個(gè)矩陣
元素 …,在（i＝1，2，…，M）中的矩陣的行被視為顯著的價(jià)值質(zhì)量功能，第i個(gè)傳感器分配給所有的故障。
D-S證據(jù)推理的過程中，我們可以定義一個(gè)質(zhì)量功能在故障識(shí)別框架在這一證據(jù)的基礎(chǔ)上提供的信息。因此，一個(gè)信念結(jié)構(gòu)可以通過在識(shí)別幀的相關(guān)證據(jù)的反映下得到考慮。例如，一個(gè)空洞的結(jié)構(gòu)的質(zhì)量函數(shù)為零，即，意味著相關(guān)的證據(jù)沒有提供信息；確定性結(jié)構(gòu)其質(zhì)量的功能為一，即，確定故障的存在。提供識(shí)別框架結(jié)構(gòu)故障信息的能力可以由一個(gè)信念通過證據(jù)熵測量如下：
更大的或更接近一個(gè)證據(jù)熵為更多的信息提供了依據(jù)。所以我們可以說，證據(jù)熵反映實(shí)際決策信心相結(jié)合的證據(jù)。
通過對(duì)桑塔納AJR發(fā)動(dòng)機(jī)大量實(shí)驗(yàn)，我們得到三標(biāo)準(zhǔn)特征向量：
（1）當(dāng)發(fā)動(dòng)機(jī)在良好的條件下，{–823.9472, –442.2903, 3.2895, 5.1562, 35.3872, 7.7889, –53.0390}；
（2）當(dāng)由于燃料噴射閥堵塞引起怠速不穩(wěn)時(shí)，{536.5645, –649.1083, 3.9637, –7.9034, –32.2867, –97.1227, –21.0975};
(3) 當(dāng)由于從進(jìn)氣歧管真空泄漏引起怠速不穩(wěn)時(shí)，{90.1887, –601.0368, 5.5516, –5.2591, –32.3023, –80.4196, –13.5560}；
在故障診斷中的數(shù)據(jù)融合技術(shù)的目標(biāo)是正確的辨別每一個(gè)命題識(shí)別框架，即，正確地檢測和對(duì)故障進(jìn)行分類。在這里，假設(shè)故障識(shí)別的框架是：從特征向量得到的觀測數(shù)據(jù)：
1）為氧傳感器;
2) 為點(diǎn)火系統(tǒng);
3) 為燃料噴射閥；
4）為進(jìn)氣歧管真空傳感器。
我們利用D-S證據(jù)理論從矢量AJR發(fā)動(dòng)機(jī)推導(dǎo)出條件。從四個(gè)傳感器在決策層相結(jié)合的特征向量得到最終的融合結(jié)果如下：
根據(jù)以上結(jié)果，我們得出這樣的結(jié)論——有可能是一個(gè)失敗的燃料噴射閥堵塞。這一結(jié)論與實(shí)際實(shí)驗(yàn)相符。
我們可以從方程計(jì)算證據(jù)熵（9）。數(shù)據(jù)融合過程中的證據(jù)的熵的變化被顯示在圖1。隨著程序數(shù)據(jù)融合，證據(jù)熵的增加。這意味著診斷決策的信心提高了。多傳感器數(shù)據(jù)融合在單傳感器數(shù)據(jù)的顯著優(yōu)勢(shì)，減少不確定性故障診斷，提高了分類性能故障模式的診斷系統(tǒng)。
圖1 數(shù)據(jù)融合證據(jù)熵的變化過程
3 結(jié)論
在數(shù)據(jù)融合中的數(shù)據(jù)級(jí)融合方法，有一個(gè)小的負(fù)載和高精度的數(shù)據(jù)預(yù)處理，但需要相稱的傳感器數(shù)據(jù)和操作性差性能。決策級(jí)融合方法可以處理非等量數(shù)據(jù)和具有強(qiáng)大的可操作性能，減少歧義，增加信心，提高了系統(tǒng)的可靠性，但融合精度高低、數(shù)據(jù)預(yù)處理成本高。特征級(jí)融合根據(jù)神經(jīng)系統(tǒng)網(wǎng)絡(luò)改善在培訓(xùn)樣品的故障識(shí)別率和提高在測試樣品時(shí)的故障識(shí)別性能, 利用從多個(gè)來源的信息補(bǔ)充其他傳感器，從而提高了系統(tǒng)的可靠性和診斷的準(zhǔn)確性。特征級(jí)融合提供了與其他兩種方法好的妥協(xié)的方法, 逐漸成熟。實(shí)驗(yàn)結(jié)果表明，決策級(jí)數(shù)據(jù)融合方法可用于發(fā)動(dòng)機(jī)故障診斷。
對(duì)于一個(gè)特定的方法之間的選擇應(yīng)用程序是一個(gè)系統(tǒng)工程問題，這取決于在可用的通信帶寬問題, 傳感器的特性，計(jì)算可用的資源，和其他的問題。沒有一個(gè)通用的方法是適用于所有情況或應(yīng)用程序。
4 致謝
在目前的工作中的實(shí)驗(yàn)數(shù)據(jù)由山東理工大學(xué)汽車實(shí)驗(yàn)室提供。作者感謝楊中宇在實(shí)驗(yàn)測試的幫助。
參考文獻(xiàn)：
1) Ampazis?N，Perantonis?S J--泰勒J(rèn)?G動(dòng)態(tài)多層神經(jīng)網(wǎng)絡(luò)在臨時(shí)極小附近的網(wǎng)絡(luò)多人游戲.神經(jīng)網(wǎng)絡(luò)，1999，12（1）：43-58。
2）霍爾--介紹多傳感器數(shù)據(jù)融合。電氣和電子工程師協(xié)會(huì)程序，1997，85（1）：6～23.
3）GanonlayA--多平臺(tái)傳感器集成模型，防空署郵編：079951。海軍研究實(shí)驗(yàn)室，1999，31（12）：1～62。
4）坦尼R--分布式傳感器檢測，電氣和電子工程師協(xié)會(huì)表。美國電化學(xué)協(xié)會(huì)，1981，17（1）：98-101。
5）羅納德R Y--熵和特異性在數(shù)學(xué)理論的證據(jù)。Gen系統(tǒng), 1983, 9(2): 249-260.
6）StephaneJ--在多傳感器融合形式化的貢獻(xiàn)。機(jī)器人和自主系統(tǒng)，1994, 13(2): 56-60.
7）VarshneyP K.--分布式檢測和信息融合。紐約：科學(xué)出版社，1996。
8）菲利普R D--一種新的故障檢測方法和GPS自主完好性監(jiān)測中的應(yīng)用。電氣和電子工程師協(xié)會(huì)高級(jí)加密標(biāo)準(zhǔn)的交易,1995, 31(1): 499-506.
9）Philip L , BoglerH.--Shafer-Dempeter推理在多傳感器目標(biāo)識(shí)別系統(tǒng)中的應(yīng)用。電氣和電子工程師協(xié)會(huì)交易系統(tǒng)，人與控制論，1997, 17(6): 901-930.
10) Isermann R.--基于建模和過程故障檢測估計(jì)方法的研究。自動(dòng)化，1984, 20(2): 47-54.
附 件：外文資料原文
12