基于粒子群神經(jīng)網(wǎng)絡的線控轉(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)向軸的機械連接部分,擺脫了傳統(tǒng)轉(zhuǎn)向系統(tǒng)所固定傳動比的限制,可以根據(jù)用戶需求設置不同的轉(zhuǎn)向傳動比。線控轉(zhuǎn)向系統(tǒng)利用電子元件來替代機械連接實現(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)行器電機的故障診斷方法。對傳感器的診斷,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現(xiàn)在不同狀態(tài)之間的轉(zhuǎn)換,能準確確定故障的類型;而在電機的診斷方面,由于電機結構復雜和電機的故障類型較多,本文采用小波包來對電機信息進行特征提取,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)、性能的基礎上,提出了兩種基于參數(shù)改進策略的粒子群優(yōu)化算法,即對粒子速度與位置更新策略的改進算法和自適應調(diào)整慣性