一種基于數據驅動的汽車三元催化器的故障診斷方法技術
【技術實現步驟摘要】
本專利技術屬于汽車三元催化器故障診斷
，涉及一種基于數據驅動的汽車三元催化器的故障診斷方法，特別是一種FrFt和FCM模糊聚類的三元催化器故障診斷方法。
技術介紹
三元催化器作為一種有效的汽車排氣后處理手段，在汽車低污染排放方面發揮著重要作用。但實際運行過程中，三元催化器的化學中毒、過熱老化、機械損壞、結焦積炭等病兆，易使其轉化效率下降，嚴重情況下會使催化轉化器失效，造成發動機排放急劇惡化。針對這些問題，眾多學者對三元催化器進行了大量富有成效的研究，三元催化器的化學反應動力學模型、傳熱和流體數值分析模型、儲放氧模型等眾多模型相繼被建立。隨著對三元催化器功能需求的增加和診斷精度的提高，模型方法中較多的參數和反應過程的嵌入將會使模型過于復雜應用困難。然而通過簡化模型來降低復雜度，造成某些潛在的反應過程難以詳盡地描述清楚，增加了確定故障發生類型的難度。因此，利用分析模型的方法難以滿足越來越嚴苛的要求。隨著傳感技術的發展，現有的技術手段已能對汽車尾氣成分的進行準確檢測，產生了海量的排放數據。基于數據驅動的故障診斷方法近年來在許多領域得到了廣泛的應用。該方法不需要了解系統解析模型的詳細情況，通過對采集的信號提取故障特征信息，或是根據海量的采樣數據和歷史數據就能實現故障診斷。這與利用尾氣大數據進行三元催化器故障診斷的思想不謀而合。綜上所述，由于汽車尾氣中蘊含著豐富的三元催化器工況信息，不僅為監測汽車排放水平提供直接證據，而且為考察三元催化器的健康狀況提供諸多有價值的信息。拓展尾氣大數據在汽車檢測與故障診斷中的運用，運用模式識別理論，從這些尾氣大數據中挖掘整理三...
【技術保護點】
一種基于數據驅動的汽車三元催化器的故障診斷方法，其特征在于：該方法包括以下步驟：S1：數據獲取：采用轉鼓實驗平臺采集汽車尾氣數據，通過系統計算得出汽車三元催化器在不同故障情況下的尾氣成分數據；S2：特征提取：對獲取的尾氣成分數據進行FrFt變換，將原始數據空間中可分性差的信號映射到各個分數階域，以基于類內類間散布矩陣的可分性判據J＝tr{Sb}/tr{Sw}作為適應度函數，運用粒子群算法實現對最優分數階定位，并對所得的最優階次的FrFT信號進行分形計算，得到對應的分形維特征；S3：維數簡約：采用KECA算法對步驟S2得到的特征進一步降維，得到適用于可視化聚類的分形維故障特征；S4：聚類分析：采用改進測度的FCM模糊聚類算法對步驟S3得到的分形維故障特征聚類分析，得到故障的分類結果；S5：故障辨識：基于得到的故障分類結果進行三元催化器故障診斷處理。
【技術特征摘要】
1.一種基于數據驅動的汽車三元催化器的故障診斷方法，其特征在于：該方法包括以下步驟：S1：數據獲取：采用轉鼓實驗平臺采集汽車尾氣數據，通過系統計算得出汽車三元催化器在不同故障...
【專利技術屬性】
技術研發人員：李鵬華，劉晶晶，馮輝宗，趙芬，
申請(專利權)人：重慶郵電大學，
類型：發明
國別省市：重慶;50
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。