基于FTA-SVM的車輛發(fā)動機(jī)故障識別方法研究.pdf

1、隨著發(fā)動機(jī)的自動化程度不斷提高、工作性能不斷改善，其結(jié)構(gòu)也變得越來越復(fù)雜，加之工作環(huán)境惡劣，發(fā)動機(jī)故障具有多樣性、頻發(fā)性、不確定性和破壞性等特點，其故障識別也越來越困難。探索可靠和準(zhǔn)確的發(fā)動機(jī)故障識別方法對人車安全、環(huán)境污染等都具有重要的意義。
　　支持向量機(jī)（SVM.Supportvector machine）對高維非線性問題有良好的識別能力，且在相對少量樣本時能兼顧良好的泛化能力，是模式識別的研究熱點之一；故障樹分析法（FTA

2、.Fault tree analysis）是一種思路清晰、邏輯性強，可進(jìn)行定性和定量分析的系統(tǒng)可靠性分析方法，是安全系統(tǒng)工程的主要分析方法之一。本文結(jié)合SVM和FTA的特點提出了一種基于FTA-SVM的故障識別方法，從提高SVM數(shù)據(jù)處理可靠度入手來研究SVM分類器驅(qū)動的可靠性問題，利用FTA提高分類器驅(qū)動的可靠度，通過集成運用FTA和SVM分析方法來探索汽車發(fā)動機(jī)故障識別問題。
　　本文利用 FTA-SVM的故障識別方法對發(fā)動機(jī)失

3、火和發(fā)動機(jī)異響進(jìn)行了故障識別。首先，利用故障樹分析法提高 SVM映射模型的可靠性，對發(fā)動機(jī)失火和發(fā)動機(jī)異響進(jìn)行故障樹分析，理清發(fā)動機(jī)失火或異響的故障機(jī)理，建立發(fā)動機(jī)失火和異響的故障樹模型；建立起故障數(shù)據(jù)與故障樹底事件的非線性映射模型。利用一對一多分類方法構(gòu)建多分類器，并采用遺傳算法對 SVM參數(shù)進(jìn)行優(yōu)化，建立SVM模型。
　　最后，本文在MATLAB環(huán)境下，針對SVM數(shù)據(jù)處理部分開發(fā)了人機(jī)交互友好的 SVM數(shù)據(jù)處理系統(tǒng)，通過對測試