汽车制动系统的故障预测及诊断范文

本站小编为你精心准备了汽车制动系统的故障预测及诊断参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要：制动系统在汽车的众多系统中极为重要，汽车在使用中若出现故障，会给车辆带来严重安全威胁。因此，如何对于汽车潜在的故障进行预测和诊断就显得尤为重要。而基于传统的预测模型建立起来的汽车制动系统故障预测方法却存在一定的缺陷，使得预测结果受到影响，但基于灰色支持向量机的汽车制动系统故障诊断与预测方法可以解决当前存在的问题。基于此，本文主要探讨了汽车制动系统诊断和预测中灰色理论以及支持向量机应用的相关问题，供读者参考。

关键词：灰色支持向量机；汽车制动系统；故障；预测和诊断

1当前汽车制动系统故障预测中存在的问题

由于汽车制动系统故障诊断和预测对于汽车安全保障具有重要的意义，因此引起了许多研究人员的注意，出现了许多预测方法和预测模型。针对于汽车制动系统的故障诊断及预测，相关研究人员提出了基于模糊数学、神经网络以及专家系统等多种诊断和预测方法，这些方法各有各的优势，但同时也有着明显的缺陷[1]。

1.1预测结果不理想

对于汽车制动系统的故障预测可以看成一个时间序列，是由非线性机制确定的输入以及输出系统[2]。对于时间序列的预测通常都需要建立预测模型，无论是传统的ARMA模型，还是神经网络模式都不例外。然而，实际应用中的时间序列通常都是混沌的、不规则的，建立起来的预测模型往往很难取得理想的预测效果。基于传统的预测模型，汽车制动系统的故障预测结果的精确性往往很难保证。

1.2学习过程过拟合

传统的预测模型所采用的学习方法遵循的是经验风险最小化准则，也就是最小化训练样本点误差，这就导致了过拟合现象的出现，使得预测模型的泛化能力受到影响，例如过学习就是神经网络模型中会出现的问题[2]。鉴于此，找到能够更好地提高预测结果精确性，避免出现过拟合等问题的预测模型就是改进汽车制动系统预测方法的思路。

2汽车制动系统故障预测中问题的应对措施

基于灰色支持向量机来进行汽车制动系统故障的诊断和预测可以充分发挥支持向量机以及灰色模型各自的优点，将二者有效结合起来，其实现的步骤主要如下：

2.1进行特征值的提取

特征值主要是为了反映汽车制动系统故障的相关信息，选取合适的特征变量能反映汽车制动系统的状态，当特征值出现异常时表明汽车的制动系统可能存在潜伏性故障因素[3-4]。

2.2进行灰色关联度分析

根据选取的能够反映汽车制动系统状态的变量，设定一个时间序列Yi作为参考序列，然后设定其余序列作为比较序列，计算出参考序列和各个比较序列之间的灰色关联度，再把所有的关联度进行排序，并将关联度最大的序列当作预测模型的时间序列。

2.3进行预测模型的建立

先在上述步骤中建立的灰色时间序列来建立起灰色模型，灰色模型需要经过单变量的时间序列进行累加处理，从而根据这个生成序列来建立一阶微分方程，进而反映其内部发展规律，然后将其与正交多项式建立最小二乘拟合预测模型，再对于预测模型的精度进行检验，从而最终确定精度更高的预测模型。

2.4进行支持向量机的训练

支持向量机的训练过程中，多类分类器的构造是一个关键的环节，其构造方法可以利用基于二叉树进行支持向量机多类分类的方法。基于二叉树进行2类分类器的构造过程主要如下：通过第i个分类器把第i类和第i+1，i+2，i+3，…N类分开，从而构造出支持向量机SVMi；等到第N-1个分类器能够把N-1类和第N类分开之后，在将N-1个支持向量机构成多分类器，并最终构建出支持向量机来进行N类故障的识别。

2.5进行汽车制动系统故障的诊断和预测

在完成了上述的四个步骤后，就可以进行汽车制动系统的故障预测和诊断了。先把通过预测模型得到的预测值带入到支持向量机中，进行支持向量机的分类。再通过基于二叉树进行支持向量机多类分类的方法就可以达到对汽车制动系统故障进行预测的目的，得到预测结果，并根据预测结果来进行故障诊断的工作。将灰色理论和支持向量机两种科学方法有机结合起来，不仅可以使预测和诊断的精度更高，精准地找到危及行车安全的潜伏性因素，而且支持向量机运用的是结构风险最小化原则，即使是样本量较少也不会影响其统计规律，从而使模型的泛化能力得到有效的提升，解决了过拟合的问题。

3结语

总而言之，制动系统在汽车整体结构中的地位十分重要，一旦其出现故障不仅会影响汽车正常运行，甚至会造成严重的安全事故。制动系统的故障预测与诊断对于减少事故的发生，保障人员的安全具有重大的意义。将灰色理论和支持向量机构相结合，构建汽车制动系统故障诊断以及预测模型进行故障的预测和分析，可以大大提高预测结果的精确性，准确地反映汽车制动系统的状况，为故障的诊断和排除提供了重要的依据，进而提高了行车的安全性。

参考文献：

[1]贾爱芹，陈建军，蒋志强,等.基于灰色支持向量机的汽车制动系统故障诊断与预测[J].机械设计与研究，2015，31(1)：149-152.

[2]唐万梅.基于灰色支持向量机的新型预测模型[J].系统工程学报，2006(4)：410-413.

[3]陈昊鹏.汽车气压制动防抱死系统使用及故障维修[J].南方农机，2016，47(9)：77-78.

[4]钟兵.制动装置常见故障判断与排除[J].南方农机，2006，37(2)：35-37.

作者：姚晓丽 单位：庆阳职业技术学院