日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機(jī)站
  • 小程序

    汽車測(cè)試網(wǎng)

  • 公眾號(hào)

    • 汽車測(cè)試網(wǎng)

    • 在線課堂

    • 電車測(cè)試

智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障檢測(cè)方法研究

2018-12-29 20:48:19·  來(lái)源：無(wú)人駕駛聯(lián)盟  
　
0 引言智能無(wú)人駕駛汽車是近幾年來(lái)新興產(chǎn)物，智能無(wú)人駕駛汽車通常是指無(wú)人駕駛、自主推進(jìn)，由無(wú)線電遙控或自身程序控制進(jìn)行自主導(dǎo)航的汽車。智能無(wú)人駕駛汽車通
0 引言
智能無(wú)人駕駛汽車是近幾年來(lái)新興產(chǎn)物，智能無(wú)人駕駛汽車通常是指無(wú)人駕駛、自主推進(jìn)，由無(wú)線電遙控或自身程序控制進(jìn)行自主導(dǎo)航的汽車。智能無(wú)人駕駛汽車通常應(yīng)用在科考探險(xiǎn)、星球探測(cè)、作戰(zhàn)情報(bào)搜集等領(lǐng)域中。當(dāng)前服役的智能無(wú)人駕駛汽車主要有：MQ-1 Predator “捕食者”、MQ-9 Reaper “收割者”、RQ-4Global Hawk “全球鷹”等。智能無(wú)人駕駛汽車由于其設(shè)計(jì)成本低、無(wú)人員傷亡風(fēng)險(xiǎn)、生存能力強(qiáng)、機(jī)動(dòng)性能好等特點(diǎn)被廣泛應(yīng)用在軍事領(lǐng)域和科研領(lǐng)域，也是未來(lái)汽車制造業(yè)的發(fā)展方向。智能無(wú)人駕駛汽車工作環(huán)境惡劣，工作環(huán)境溫度變化異常，比如在極地探險(xiǎn)和月球探測(cè)等應(yīng)用領(lǐng)域中，工作環(huán)境溫度在零下幾十?dāng)z氏度，發(fā)動(dòng)機(jī)運(yùn)行狀態(tài)受到環(huán)境溫度的沖擊較大，容易產(chǎn)生故障，研究智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)的故障檢測(cè)優(yōu)化方法，具有重大的實(shí)際價(jià)值和意義 [1] 。
 
傳統(tǒng)方法中對(duì)智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障診斷方法采用機(jī)械振動(dòng)系統(tǒng)信號(hào)分析算法，對(duì)于智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)低噪聲、低振動(dòng)工作條件下故障檢測(cè)效果不好。提出一種基于多陣元超聲換能波束指向性分析的智能無(wú)人駕駛汽車的發(fā)動(dòng)機(jī)故障檢測(cè)算法。針對(duì)傳統(tǒng)方法的缺點(diǎn)，進(jìn)行算法改進(jìn)，提高對(duì)發(fā)動(dòng)機(jī)的故障檢測(cè)性能，系統(tǒng)測(cè)試和仿真實(shí)驗(yàn)驗(yàn)證了本文故障檢測(cè)算法的優(yōu)越性能。
 
1 發(fā)動(dòng)機(jī)故障檢測(cè)信號(hào)模型構(gòu)建與數(shù)學(xué)模型生成
1.1 發(fā)動(dòng)機(jī)構(gòu)造與故障檢測(cè)研究背景
智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障檢測(cè)和診斷的根本原理是通過(guò)有效檢測(cè)發(fā)動(dòng)機(jī)的有關(guān)參數(shù)并進(jìn)行信號(hào)與信息的處理和分析，實(shí)現(xiàn)對(duì)智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)的運(yùn)行狀況、故障種類、故障原因部位和趨勢(shì)的識(shí)別和判斷。智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)屬于高精密儀器 [2-5] ，本文研究的智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)構(gòu)造結(jié)構(gòu)如圖1所示。該型智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)屬于精密合金材料制成，制造的難度大價(jià)格高，因此需要采用無(wú)損檢測(cè)的方法進(jìn)行故障檢測(cè) [6] 。而常規(guī)的檢測(cè)方式無(wú)人駕駛汽車發(fā)動(dòng)機(jī)監(jiān)測(cè)，超聲波檢測(cè)以及射線檢測(cè)法等手段，不能很好的在現(xiàn)代航空發(fā)動(dòng)機(jī)的葉片體積小通路復(fù)雜的情況下進(jìn)行較好的故障檢測(cè)。
通過(guò)整個(gè)區(qū)域的紅外亮點(diǎn)分布來(lái)判斷是否出現(xiàn)涂層的裂紋或者剝落情況的發(fā)生。航空發(fā)動(dòng)機(jī)的冷卻通道是在葉片內(nèi)部的通路，通過(guò)引入冷卻氣體，使得葉片的溫度不至于過(guò)高，而在實(shí)際使用過(guò)程中可能會(huì)出現(xiàn)通道的堵塞，使得整個(gè)葉片的散熱不暢，致使葉片過(guò)熱造成整個(gè)智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)空發(fā)動(dòng)機(jī)出現(xiàn)故障。
1.2 智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障信號(hào)模型
通過(guò)上述分析和結(jié)構(gòu)模型設(shè)計(jì)可見(jiàn)，對(duì)智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)的故障檢測(cè)需要構(gòu)建發(fā)動(dòng)機(jī)故障信號(hào)模型，設(shè)計(jì)有效的發(fā)動(dòng)機(jī)故障檢測(cè)算法。在發(fā)動(dòng)機(jī)故障特征搜索過(guò)程中，最核心的內(nèi)容是搜索發(fā)動(dòng)機(jī)運(yùn)行特征，并且將這些特征構(gòu)成一個(gè)數(shù)據(jù)集合。設(shè)置發(fā)動(dòng)機(jī)全部特征的數(shù)量能夠用 q 進(jìn)行描述，該集合中元素的數(shù)目能夠用 r 進(jìn)行描述，根據(jù)上述數(shù)據(jù)可以建立一個(gè)矩陣，其公式如下所述：
上述矩陣中的每個(gè)元素都用來(lái)描述發(fā)動(dòng)機(jī)故障特征的參數(shù)，根據(jù)上述矩陣，可以得到無(wú)人駕駛汽車發(fā)動(dòng)機(jī)特征的相關(guān)數(shù)據(jù)。
本文用李普希茲指數(shù)來(lái)描述函數(shù)的局部奇異性：
基于多陣元超聲換能波束指向性分析，得到該陣元故障特征表達(dá)式：
利用下述公式可以進(jìn)行智能無(wú)人駕駛汽車的發(fā)動(dòng)機(jī)的故障特征提?。?/div>
根據(jù)上面闡述的方法，能夠進(jìn)行無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障特征提取和信號(hào)模型構(gòu)建，從而為故障檢測(cè)和挖掘提供依據(jù)。
2 基于多陣元超聲換能波束指向性分析故障檢測(cè)算法
在上述模型構(gòu)建的基礎(chǔ)上，本文提出一種基于多陣元超聲換能波束指向性分析故障檢測(cè)算法，實(shí)現(xiàn)對(duì)故障檢測(cè)算法的改進(jìn)。
多陣元超聲換能波束指向性故障特征構(gòu)成的集合可以用 {(zk ,ak ) } 表示，根據(jù)下述公式能夠?qū)ι鲜霭l(fā)動(dòng)機(jī)故障特征進(jìn)行初始分類：
通過(guò)上述算法改進(jìn)設(shè)計(jì)，提高了對(duì)發(fā)動(dòng)機(jī)故障檢測(cè)性能，最后在提取故障特征的基礎(chǔ)上進(jìn)行專家系統(tǒng)識(shí)別和故障分類診斷，最終實(shí)現(xiàn)診斷決策，通過(guò)仿真實(shí)驗(yàn)進(jìn)行性能驗(yàn)證。
3 仿真實(shí)驗(yàn)與結(jié)果分析
最后，為了驗(yàn)證本文提出的基于多陣元超聲換能波束指向性分析的智能無(wú)人駕駛汽車的發(fā)動(dòng)機(jī)故障檢測(cè)算法的性能，進(jìn)行一次仿真實(shí)驗(yàn)。實(shí)驗(yàn)中，構(gòu)建多陣元超聲換能波束面，構(gòu)建故障檢測(cè)診斷系統(tǒng)。采集到的無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障特征數(shù)據(jù)如圖2所示。
最后在提取故障特征的基礎(chǔ)上進(jìn)行專家系統(tǒng)識(shí)別和故障分類診斷，最終實(shí)現(xiàn)診斷決策，進(jìn)而實(shí)現(xiàn)故障檢測(cè)數(shù)據(jù)分析，得到發(fā)動(dòng)機(jī)的故障檢測(cè)結(jié)果如圖3所示，從圖3可見(jiàn)，采用本文方法，能準(zhǔn)確實(shí)現(xiàn)對(duì)發(fā)動(dòng)機(jī)各種故障類型的判別和數(shù)據(jù)分析，故障數(shù)據(jù)聚類性能較好，檢測(cè)性能較傳統(tǒng)方法提高43%，具有較好的應(yīng)用價(jià)值。
4 結(jié)論
通過(guò)對(duì)智能無(wú)人駕駛汽車的發(fā)動(dòng)機(jī)故障檢測(cè)算法的改進(jìn)提高對(duì)發(fā)動(dòng)機(jī)故障的診斷能力。傳統(tǒng)方法中對(duì)智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)故障診斷算法采用機(jī)械振動(dòng)系統(tǒng)信號(hào)分析算法，對(duì)于智能無(wú)人駕駛汽車發(fā)動(dòng)機(jī)低噪聲、低振動(dòng)工作條件下故障檢測(cè)效果不好。提出一種基于多陣元超聲換能波束指向性分析的智能無(wú)人駕駛汽車的發(fā)動(dòng)機(jī)故障檢測(cè)算法。進(jìn)行發(fā)動(dòng)機(jī)故障檢測(cè)信號(hào)模型構(gòu)建，提取多陣元超聲換能波束指向性特征，實(shí)現(xiàn)故障檢測(cè)。最后在提取故障特征的基礎(chǔ)上進(jìn)行專家系統(tǒng)識(shí)別和故障分類診斷，最終實(shí)現(xiàn)診斷決策。仿真結(jié)果表明，本文算法能準(zhǔn)確實(shí)現(xiàn)對(duì)發(fā)動(dòng)機(jī)故障的診斷和判別，檢測(cè)性能提高明顯，展示了較好的應(yīng)用價(jià)值。
參考文獻(xiàn)：
[1] 繆鵬程,米小兵,張淑儀等.超聲紅外熱像檢測(cè)中缺陷發(fā)熱的瞬態(tài)溫度場(chǎng)的有限元分析[J]. 南京大學(xué)學(xué)報(bào)(自然科學(xué)), 2005, 41(1):98-104.
[2] 徐子豪,張騰飛.基于語(yǔ)音識(shí)別和無(wú)線傳感網(wǎng)絡(luò)的智能家居系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制. 2012, 20(1): 180-182.
[3] Gareth Jones1 and Emma C. Teeling. The evolution of echo?location in bats[J]. TRENDS in Ecology and Evolution.March 2006, 21(3): 149-156.
[4] M Ayub, M H Tiwana, A B Mann. Propagation of Sound in Duct with Mean Flow[J]. Commun Nonlinear Sci Numer Simulat, 2009(14): 3578-3590.
[5] 張曉戎,王程成,胡光波,等.混沌差分優(yōu)化數(shù)據(jù)聚類及在故障診斷中的應(yīng)用[J].壓縮機(jī)技術(shù)，2013, 6: 16-20.
[6] 袁永,段奇智,張毅,等.油井?dāng)?shù)據(jù)采集及高效DLL函數(shù)數(shù)據(jù)傳輸性能實(shí)現(xiàn)[J].計(jì)算機(jī)與數(shù)字工程，2013, 41(10):1628-1631.
(作者：中國(guó)一汽集團(tuán)公司 教育培訓(xùn)中心 汽車運(yùn)用學(xué)院，張軍)
 
 
分享到：
 
反對(duì) 0 舉報(bào) 0 收藏 0 評(píng)論 0
滬ICP備11026917號(hào)-25