基于粒子群神經(jīng)網(wǎng)絡(luò)的線控轉(zhuǎn)向故障診斷研究.pdf

1、汽車線控轉(zhuǎn)向系統(tǒng)與以往的傳統(tǒng)轉(zhuǎn)向系統(tǒng)不同,剔除了方向盤與轉(zhuǎn)向軸的機(jī)械連接部分,擺脫了傳統(tǒng)轉(zhuǎn)向系統(tǒng)所固定傳動(dòng)比的限制,可以根據(jù)用戶需求設(shè)置不同的轉(zhuǎn)向傳動(dòng)比。線控轉(zhuǎn)向系統(tǒng)利用電子元件來替代機(jī)械連接實(shí)現(xiàn)轉(zhuǎn)向的,因此線控轉(zhuǎn)向系統(tǒng)必須采用故障診斷技術(shù)保證汽車轉(zhuǎn)向的安全性和可靠性。
　　線控轉(zhuǎn)向系統(tǒng)主要是通過傳感器獲得信息來控制電機(jī)轉(zhuǎn)向的,所以本文主要研究線控轉(zhuǎn)向系統(tǒng)的傳感器和執(zhí)行器電機(jī)的故障診斷方法。對(duì)傳感器的診斷,主要是通過建立模型,本文

2、采用 Stateflow故障模塊,通過圖形化工具來實(shí)現(xiàn)在不同狀態(tài)之間的轉(zhuǎn)換,能準(zhǔn)確確定故障的類型;而在電機(jī)的診斷方面,由于電機(jī)結(jié)構(gòu)復(fù)雜和電機(jī)的故障類型較多,本文采用小波包來對(duì)電機(jī)信息進(jìn)行特征提取,獲取故障信息,然后將故障信息傳給神經(jīng)網(wǎng)絡(luò)來判斷故障。
　　在故障診斷算法上,本文在深入系統(tǒng)地研究粒子群優(yōu)化算法理論以及算法參數(shù)、性能的基礎(chǔ)上,提出了兩種基于參數(shù)改進(jìn)策略的粒子群優(yōu)化算法,即對(duì)粒子速度與位置更新策略的改進(jìn)算法和自適應(yīng)調(diào)整慣性