[发明专利]一种基于现代信号处理技术的汽车智能故障诊断系统及方法

权利要求书

1.一种基于现代信号处理技术的汽车智能故障诊断系统，其特征在于：包括诊断平台、下位机通信模块和汽车ECU；

下位机通信模块，与汽车ECU连接，进行数据通信；

诊断平台，与下位机通信模块连接，进行数据通信，向汽车ECU发送诊断命令，并接收汽车ECU返回的状态数据流与故障码，并根据接收的数据进行故障诊断；

所述的诊断平台包括：主控模块、信号处理模块、特征提取与状态分类识别模块、故障码分类模块和人工智能诊断模块；

主控模块，与下位机通信模块连接，进行数据通信，根据接收的数据对车型进行诊断，向汽车ECU发送诊断命令，并接收汽车ECU返回的状态数据流与故障码；

信号处理模块，与主控模块连接，对汽车ECU返回的状态数据流进行信号处理，并得到具体的信号特征值；

特征提取与状态分类识别模块，与信号处理模块连接，对信号特征值进行分析并进行特征分类；

故障码分析模块，与主控模块连接，对汽车EUC的故障码进行分类并得到冻结帧及相关故障数据流；

人工智能诊断模块，与特征提取与状态分类识别模块和故障码分类模块连接，根据故障码的分类信息和特征提取与状态分类识别模块输出的相应数据流状态分类信息依据人工智能诊断算法对汽车故障进行定位和判断；

所述的信号处理模块采用解调谱方法对滚动轴承产生的振动数据流信号或怠速信号进行解调谱分析，得到信号谱形特征，包括线谱幅值a_m和线谱频率f_t的信号特征值，作为特征提取与状态分类识别模块的输入值；

所述的信号处理模块采用小波变换对发动机非平稳周期振动信号进行多层小波包分解，提取低频到高频信号特征，并得到信号时域参数特征向量T的特征值，作为特征提取与状态分类识别模块的输入值；

所述的信号处理模块对转速数据流信号进行短时傅里叶变换STFT，得到信号时频谱的特征值，包括宽带谱和窄带谱，作为特征提取与状态分类识别模块的输入值；

所述的人工智能诊断算法采用BP神经网络，包括输入层、隐层和输出层，将特征值作为输入层节点的输入值；然后通过隐层权重参数得到隐层输入数据并通过激励函数得到隐层输出，同样过程得到输出层输出值，利用参数的显著性检验来动态删除一些线性相关的隐神经元；最佳隐层神经元数L采用如下公式计算：L＝(m+k)/2+c，m为输入节点数；k为输出节点数；c是接近于0；激励函数为Sigmoid函数；

所述的人工智能诊断的算法中根据计算误差动态对学习步长进行自适应调节，自适应步长η调节方法如下：

其中，η(n)当前时刻的学习步长，η(n+1)为下一时刻学习步长，E(n)当前时刻的计算误差，E(n+1)为下一时刻计算误差；

所述的隐神经元的删除方法：当由神经元节点出发指向下一层节点的所有权值和阈值均落于死区之中，则该节点可删除；所有权值的死区取±0.1区间，阈值的死区取±0.05区间。

2.如权利要求书1所述一种基于现代信号处理技术的汽车智能故障诊断系统，其特征在于：

所述的线谱幅值a_m和线谱频率f_t的信号特征值的计算方法如下：

滚动轴承发生故障时产生噪声信号中含有高频载波信号和低频调制信号y_m＝[x_m+a_mcos(2πf_tt)]cos(2πmf_zt)(公式2),f_t为调制信号频率，f_z为载波频率，m为基频倍数，t为时间；先对该信号进行带通滤波，得到故障产生的异常振动信号，再对故障信号进行绝对值信号修正，最后对修正信号进行低通滤波就可以得到包含故障信息的调制信号频率；采用下面公式进行信号修正：