任藝　劉翕瑤

摘要：針對汽車防抱死控制系統(tǒng)故障診斷問題，應(yīng)用概率神經(jīng)網(wǎng)絡(luò)技術(shù)，分析了汽車ABS的工作原理、常見故障及故障原因，并將汽車速度、左前輪速、右前輪速、左后輪速、右后輪速和橫向輪速作為特征值建立神經(jīng)網(wǎng)絡(luò)，對其進(jìn)行學(xué)習(xí)訓(xùn)練和測試。并以40組故障數(shù)據(jù)為測試數(shù)據(jù)，對所設(shè)計的故障診斷方法進(jìn)行驗(yàn)證。通過實(shí)驗(yàn)數(shù)據(jù)得出：基于概率神經(jīng)網(wǎng)絡(luò)的汽車ABS故障診斷方法可以快速準(zhǔn)確地找出故障原因及故障點(diǎn)。

關(guān)鍵詞：概率神經(jīng)網(wǎng)絡(luò);ABS;故障診斷

0 ?引言

隨著汽車的快速普及，汽車行駛的安全性能也成為重要的評價指標(biāo)之一。汽車防抱死控制系統(tǒng)作為主動安全裝置能夠有效的控制車輛在制動時的運(yùn)動狀態(tài)，提高汽車的安全性能。防抱死控制系統(tǒng)已成為現(xiàn)代車輛不可缺少的安全裝置，因此對其故障診斷方法的研究也越來越重要。汽車防抱死控制系統(tǒng)其技術(shù)狀況和工作能力可由下述兩方面進(jìn)行表征：ABS傳感器的工作狀況、ABS對于制動力握力損失與恢復(fù)的調(diào)節(jié)。所以，對于ABS故障的診斷實(shí)際上是對其調(diào)節(jié)器和傳感器的狀況評判[2]。文獻(xiàn)[8][9]指出新型PNN神經(jīng)網(wǎng)絡(luò)可以對發(fā)動機(jī)系統(tǒng)進(jìn)行故障診斷且具有速度快和準(zhǔn)確率高等優(yōu)點(diǎn)。本文依據(jù)汽車制動時6個速度的參數(shù)作為PNN神經(jīng)網(wǎng)絡(luò)的輸入，并將ABS系統(tǒng)中傳感器和調(diào)節(jié)器的故障點(diǎn)作為輸出，設(shè)計出一種基于概率神經(jīng)網(wǎng)絡(luò)的ABS故障診斷方法。

1 ?防抱死控制系統(tǒng)簡介

1.1 防抱死控制系統(tǒng)的工作原理

汽車電控防抱死控制系統(tǒng)（Anti-Lock Brake System，ABS）是現(xiàn)在汽車必備的主動安全裝置，當(dāng)汽車出現(xiàn)過度制動車輪有抱死傾向時，ABS將控制制動壓力調(diào)節(jié)器，提高制動時汽車的穩(wěn)定性，確保制動距離保證行駛時的安全性。

防抱死制動系統(tǒng)主要由輪速傳感器、加速度傳感器、電子控制單元、制動壓力調(diào)節(jié)器組成。每個車輪上的輪速傳感器檢測其速度并將速度的大小傳遞給ECU。在一般的制動情況下，制動力較小，車輪不會出現(xiàn)抱死的情況，ABS也不會工作。但是當(dāng)車輪出現(xiàn)緊急制動，車輪趨于抱死時，ECU發(fā)出指令，制動壓力調(diào)節(jié)器實(shí)施增壓、保壓和減壓相應(yīng)工作，確?；坡试谧罴训姆秶鷥?nèi)，確保汽車的行車安全。

1.2 防抱死控制系統(tǒng)故障診斷

通過對ABS系統(tǒng)的功用及工作原理的分析，可以看出ABS的工作時間，如何控制車輪的制動力是其技術(shù)狀況和工作性能的評判標(biāo)準(zhǔn)。所以對于ABS故障的診斷就是對輪速傳感器以及執(zhí)行器制動壓力調(diào)節(jié)器的故障診斷。因此基于概率神經(jīng)網(wǎng)絡(luò)所建立的故障診斷系統(tǒng)的輸出為9個，分別為左前、右前、左后、右后四個車輪傳感器和制動調(diào)節(jié)器故障以及ABS無故障。

2 ?概率神經(jīng)網(wǎng)絡(luò)

概率神經(jīng)網(wǎng)絡(luò)（Probabilistic Neural Networks，PNN）是一種結(jié)構(gòu)簡單、應(yīng)用廣泛的神經(jīng)網(wǎng)絡(luò)。其具有結(jié)構(gòu)簡單、容易設(shè)計算法、能用線性學(xué)習(xí)方法實(shí)現(xiàn)非線性學(xué)習(xí)算法的功能，在模式分類問題中獲得了廣泛應(yīng)。

概率神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)相比是由4層組成的，分別為輸入層、模式層、求和層和輸出層組成。PNN第一層為輸入層，用于接收來自訓(xùn)練樣本的值，將數(shù)據(jù)傳遞給隱含層。本故障診斷的神經(jīng)網(wǎng)絡(luò)有6個特征值的輸入，分別為：汽車速度、左前輪速、右前輪速、左后輪速、右后輪速和橫向輪速。第二層為模式層既徑向基層，每一個模式層的神經(jīng)元節(jié)點(diǎn)擁有一個中心，神經(jīng)元的個數(shù)等于各類別訓(xùn)練樣本之和。在求和層中，每一個類別對應(yīng)于一個神經(jīng)元。模式層的每個神經(jīng)元已被劃到了某個類別。網(wǎng)絡(luò)的輸出層由競爭神經(jīng)元組成，神經(jīng)元個數(shù)和求和層相同，它接收求和層的輸出。本故障這段網(wǎng)絡(luò)的輸出有9個故障點(diǎn)。

3 ?概率神經(jīng)網(wǎng)絡(luò)的故障診斷

3.1 神經(jīng)網(wǎng)絡(luò)的建立

ABS故障診斷的概率網(wǎng)絡(luò)建立所選取的輸入特征向量，必須能夠正確的反應(yīng)問題的特征。因此基于第1部分對防抱死系統(tǒng)工作原理及常見故障的分析，此故障診斷神經(jīng)網(wǎng)絡(luò)的6個輸入特征向量為汽車速度、左前輪速、右前輪速、左后輪速、右后輪速和橫向輪速，特征值的編碼分別為1-6。輸出的向量為故障編碼1-9。編碼1-4代表左前、右前、左后、右后輪速傳感器故障;編碼5-8代表左前、右前、左后、右后車輪制動調(diào)節(jié)器故障;編碼9代表無故障。建立概率神經(jīng)網(wǎng)絡(luò)的故障診斷流程，如圖1所示。

3.2 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及測試

本文共收集185組故障數(shù)據(jù)[2][3]，其中145組故障數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，40組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的測試數(shù)據(jù)。其中部分訓(xùn)練數(shù)據(jù)如表1所示，測試數(shù)據(jù)如表2所示。

將145組的數(shù)據(jù)收入到神經(jīng)網(wǎng)絡(luò)中，對其進(jìn)行學(xué)習(xí)和訓(xùn)練。其訓(xùn)練結(jié)果的誤差如圖2所示。其中橫坐標(biāo)代表145組的訓(xùn)練數(shù)據(jù)標(biāo)號，縱坐標(biāo)代表輸出故障編碼與實(shí)際故障編碼之差。若縱坐標(biāo)顯示結(jié)果為0，說明實(shí)際故障編碼與輸出相一致，不為0，則表明故障診斷結(jié)果出現(xiàn)誤差。從圖中可以看出，經(jīng)過訓(xùn)練之后的概率神經(jīng)網(wǎng)絡(luò)分類的準(zhǔn)確率為92%。

將50組的測試數(shù)據(jù)輸入到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)中進(jìn)行測試，其中部分測試數(shù)據(jù)如表2所示。

測試數(shù)據(jù)的分類結(jié)果如圖3所示。橫坐標(biāo)代表的是測試數(shù)據(jù)的樣本編號，縱坐標(biāo)代表的是故障代碼即分類結(jié)果1-9，其中藍(lán)色空心三角形代表的是實(shí)際輸出的故障編碼，紅色星號代表的是測試數(shù)據(jù)輸出的故障編碼，其中40組測試數(shù)據(jù)的準(zhǔn)確率高達(dá)97.5%。

4 ?結(jié)論

為了解決汽車防抱死控制系統(tǒng)的故障診斷，通過分析ABS的工作原理將汽車的橫向和縱向車速以及四個車輪速度作為特征值，應(yīng)用概率神經(jīng)網(wǎng)絡(luò)，輸出ABS的故障點(diǎn)。并輸入145組的數(shù)據(jù)用作學(xué)習(xí)和訓(xùn)練，40組的數(shù)據(jù)用于測試。通過訓(xùn)練和測試的準(zhǔn)確率可以看出，基于概率神經(jīng)網(wǎng)絡(luò)可以容忍個別錯誤樣本，能夠?yàn)槠嚪辣揽刂葡到y(tǒng)進(jìn)行故障診斷。

參考文獻(xiàn)：

[1]關(guān)德穎.ABS防抱死系統(tǒng)故障診斷與修理[J].遼寧廣播電視大學(xué)學(xué)報，2017（2）：15-16.

[2]謝超.基于神經(jīng)網(wǎng)絡(luò)集成的汽車ABS故障診斷研究[D].長安大學(xué)，2017.

[3]李洪東.基于BP神經(jīng)網(wǎng)絡(luò)的汽車ABS系統(tǒng)故障診斷[D].吉林大學(xué)，2008.

[4]史峰，王小川，等.MATLAB神經(jīng)網(wǎng)絡(luò)30個案例分析[M].北京航空航天大學(xué)出版社，2010.

[5]成英，高鮮萍.基于信息熵的汽車故障診斷復(fù)雜性評價[J].數(shù)學(xué)的實(shí)踐與認(rèn)識，2017，3（2）：106-113.

[6]李虹.基于故障樹專家系統(tǒng)的汽車ABS故障診斷系統(tǒng)研究[D].河北工業(yè)大學(xué)，2015.

[7]朱峰.如何診斷和維修汽車制動防抱死系統(tǒng)故障診斷[J].汽車與駕駛維修，2017（06）：90-92.

[8]馬運(yùn)勇.概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化研究及其應(yīng)用[D].深圳： 哈爾濱工業(yè)大學(xué)，2008.

[9]王子健，王德軍.基于概率神經(jīng)網(wǎng)絡(luò)得汽車發(fā)動機(jī)失火故障診斷[J].吉林大學(xué)學(xué)報，2016，3（2）：229-236.

[10]Sharkey A J C.On combining artificial neural nets connection science， 2016， 8（3/4）： 299-314.

基金項(xiàng)目：項(xiàng)目名稱：基于概率神經(jīng)網(wǎng)絡(luò)的汽車ABS系統(tǒng)故障診斷方法研究，項(xiàng)目立項(xiàng)編號：HKZYYB-2018-2。

作者簡介：任藝（1993-），女，滿族，遼寧阜新人，研究生，助教，研究方向?yàn)槠嚬收显\斷;劉翕瑤（1992-），女，內(nèi)蒙古呼和浩特人，研究生，助教，研究方向?yàn)榻煌ōh(huán)境與安全技術(shù)。