基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的汽車ABS故障診斷

翟梅杰+高鵬

【摘 要】針對傳統(tǒng)故障診斷專家系統(tǒng)存在效率低、無法滿足現(xiàn)代汽車智能化發(fā)展要求等問題，提出了神經(jīng)網(wǎng)絡(luò)技術(shù)完成對ABS故障診斷的設(shè)計(jì)方案。論文分析了ABS系統(tǒng)的工作原理，找出了ABS系統(tǒng)常見的故障模式和原因，并以傳感器和調(diào)節(jié)器為對象建立BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，針對傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)存在的局部極小值和收斂速度慢的問題，提出了基于數(shù)值優(yōu)化L-M算法對BP網(wǎng)絡(luò)進(jìn)行改進(jìn)，縮短了診斷時間，提高了診斷效率。

【Abstract】Aiming at the problem that the traditional fault diagnosis expert system is inefficient and cant meet the requirements of modern automobile intelligent development， the neural network technology is put forward to design the ABS fault diagnosis. This paper analyzes the working principle of ABS system， finds out common failure mode of the ABS system and the reason， and carry out training based on the establishment of BP neural network model， and the BP neural network model is taking the sensor and the regulator as the object. Aiming at the problem of local minimum and convergence speed of traditional BP neural network， this paper proposes an improved L-M algorithm based on numerical optimization， which shortens the diagnosis time and improves the diagnosis efficiency.

【關(guān)鍵詞】汽車ABS；故障診斷；BP神經(jīng)網(wǎng)絡(luò)

【Keywords】 automobile ABS； fault diagnosis； BP neural network

【中圖分類號】T-012 【文獻(xiàn)標(biāo)志碼】A 【文章編號】1673-1069（2017）10-0173-02

1 引言

隨著汽車相關(guān)技術(shù)的快速發(fā)展，人們對車輛行駛速度的要求越來越高，交通事故也日益頻繁，近年來，我國因制動方面的故障而發(fā)生的交通事故占60%以上。作為汽車的主動安全裝置之一的汽車防抱死制動系統(tǒng)（Anti-lock Braking System，ABS），通過調(diào)節(jié)車輪制動力來防止車輪抱死，因此對ABS系統(tǒng)故障診斷技術(shù)的研究具有重要意義。

2 ABS系統(tǒng)的工作原理

目前，典型的ABS系統(tǒng)主要由車輪轉(zhuǎn)速傳感器、電子控制單元（ECU）和制動壓力調(diào)節(jié)器三個部分組成，車輪轉(zhuǎn)速傳感器，電控單元計(jì)算分析車輪速度、滑移率、加減速等信息后，向壓力調(diào)節(jié)器發(fā)出制動壓力控制指令，控制制動壓力增加、減小或不變，以調(diào)節(jié)制動力矩與地面附著狀況相適應(yīng)。

3 ABS系統(tǒng)故障分析

通常根據(jù)故障指示燈的閃爍規(guī)律對ABS系統(tǒng)進(jìn)行排查和維修。正常情況下，點(diǎn)火后指示燈閃后，發(fā)動機(jī)啟動后，指示燈熄滅，進(jìn)入正常工作狀態(tài)；如果ABS系統(tǒng)以及其制動系統(tǒng)發(fā)生故障，則指示燈會間歇性閃亮不正常等現(xiàn)象。故障原因包括5種：①車輪轉(zhuǎn)速傳感器信號不良；②電控單元內(nèi)部故障；③制動調(diào)節(jié)電磁閥故障；④指示燈故障；⑤液壓電泵故障。其中車輪轉(zhuǎn)速傳感器和電磁閥（調(diào)節(jié)器）故障是故障發(fā)生的主要原因，對其進(jìn)行診斷，分析故障模式和故障原因[1]。

4 基于BP網(wǎng)絡(luò)的故障診斷

BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播（Error Back Propagation）單向傳播的多層前饋網(wǎng)絡(luò)，包括輸入層、隱含層和輸出層，隱含層的數(shù)有多個，采用是三層神經(jīng)網(wǎng)絡(luò)。

4.1 確定節(jié)點(diǎn)數(shù)

根據(jù)故障模式和原因分析確定BP網(wǎng)絡(luò)的輸入層和輸出層節(jié)點(diǎn)數(shù)。以故障模式X={x1、x2、x3、x4、x5、x6}輸入，原因輸出Y={y1、y2、y3、y4、y5}；同理，對于調(diào)節(jié)器來說，以故障模式X={x7、x8、x9、x10、x11、x12}輸入，以故障原因Y={y6、y7、y8、y9、y10}為樣本輸出，對應(yīng)6個輸入節(jié)點(diǎn)和5個輸出節(jié)點(diǎn)。即輸出結(jié)果中yi=0示無故障，yi=1示相應(yīng)位置發(fā)生故障。選取10個樣本數(shù)據(jù)分析研究，以多種故障原因的模式作為訓(xùn)練樣本，建立故障模式與故障原因之間的映射關(guān)系。

首先通過公式1對隱含層節(jié)點(diǎn)個數(shù)進(jìn)行一個粗略估計(jì)，確定取值范圍。

式中m為隱含層節(jié)點(diǎn)個數(shù)，n為輸入層節(jié)點(diǎn)個數(shù)，l為輸出層節(jié)點(diǎn)個數(shù)，α為1～10之間的常數(shù)，參數(shù)不變，固定收斂精度，確定誤差最小節(jié)點(diǎn)。如隱含層神經(jīng)元13時誤差最小，所以故障采用網(wǎng)絡(luò)模型為輸入層為6，隱含層為13，輸出層5的BP神經(jīng)網(wǎng)絡(luò)模型

確定網(wǎng)絡(luò)模型后，激活函數(shù)，一般BP采用S型函數(shù)，具有非線性放大系數(shù)功能，變換為（-1，1）間的輸出。S型函數(shù)分：tansig函數(shù)（值域在（0，1））和logsig函數(shù)。

4.2 網(wǎng)絡(luò)的訓(xùn)練與仿真

值域在（-1，1）），將輸出限制（0，1），S型作為輸出函數(shù)，隱含層來說，將兩種分別訓(xùn)練，對比結(jié)果，選擇隱含層函數(shù)。

結(jié)果表明隱含層采用tansig函數(shù)需1950步迭代網(wǎng)絡(luò)收斂，而隱含層采用logsig函數(shù)預(yù)先步數(shù)2500，曲線趨于平行網(wǎng)絡(luò)未能收斂，未能進(jìn)行故障診斷。因此，對傳感器的故障診斷采用隱含層為tansig的BP神經(jīng)網(wǎng)絡(luò)。選取2s時速度數(shù)據(jù)作為檢驗(yàn)樣本，因2s時相應(yīng)車輪抱死代表與其對應(yīng)的輪速傳感器發(fā)生故障，得到仿真結(jié)果。對于調(diào)節(jié)器，隱含層采用tagsig函數(shù)的網(wǎng)絡(luò)需1963步迭代后網(wǎng)絡(luò)收斂，而隱含層采用logsig函數(shù)的網(wǎng)絡(luò)迭代2727時，網(wǎng)絡(luò)最小梯度達(dá)到下限，但性能目標(biāo)未達(dá)到。因此，故障診斷采用隱含層為tansig函數(shù)的BP神經(jīng)網(wǎng)絡(luò)。

結(jié)果得出傳感器的最大誤差，0.0051，最大誤差為0.0035，兩種BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練后可滿足故障診斷要求。但是仍存在以下不足：①迭代次數(shù)較多，訓(xùn)練時間較長；②易陷入局部極小值導(dǎo)致訓(xùn)練失?。虎垲A(yù)測能力與訓(xùn)練能力出現(xiàn)“過擬合”現(xiàn)象。

5 基于改進(jìn)BP網(wǎng)絡(luò)的故障診斷

針對BP網(wǎng)絡(luò)改進(jìn)方案主要分為：啟發(fā)式改進(jìn)和數(shù)值優(yōu)化改進(jìn)。啟發(fā)式改進(jìn)法是通過改進(jìn)BP神經(jīng)網(wǎng)絡(luò)各項(xiàng)參數(shù)來克服網(wǎng)絡(luò)學(xué)習(xí)中的各項(xiàng)缺陷，在解決復(fù)雜問題時，而數(shù)值優(yōu)化方法在求解非目標(biāo)函數(shù)時收斂快，受到專家學(xué)者的青睞。基于數(shù)值優(yōu)化的改進(jìn)方法包括牛頓法、共軛梯度法和Levenberg-Marquardt（L-M）法等，采用L-M法對BP神經(jīng)網(wǎng)絡(luò)優(yōu)化，基本計(jì)算步驟如下：

基于L-M算法的BP網(wǎng)絡(luò)中，根據(jù)迭代結(jié)果自動調(diào)整比例系數(shù)μ，即動態(tài)調(diào)整迭代的收斂方向，使得每次的誤差下降，收斂速度更快，訓(xùn)練精度也更高[2]。根據(jù)L-M算法進(jìn)行訓(xùn)練仿真所示。

選取2s時速度數(shù)據(jù)特征值作為傳感器訓(xùn)練網(wǎng)絡(luò)模型的檢驗(yàn)樣本，選取1.5s時的速度數(shù)據(jù)特征值作為調(diào)節(jié)器訓(xùn)練網(wǎng)絡(luò)模型的檢驗(yàn)樣本，得到仿真結(jié)果。

對比發(fā)現(xiàn)：采用基于L-M算法的網(wǎng)絡(luò)訓(xùn)練方法迭代次數(shù)更小，收斂速度明顯提高[3]。

6 結(jié)論

本文根據(jù)ABS系統(tǒng)的工作原理，總結(jié)常見的故障實(shí)例以及診斷方法，從中找出問題，結(jié)合MATALAB仿真結(jié)果，對比發(fā)現(xiàn)后者有效克服了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的問題，改善了訓(xùn)練效果，提高了診斷的效率和精度，為ABS故障診斷增加了一種可行途徑。

【參考文獻(xiàn)】

【1】丁舒平，余同進(jìn).道路交通事故的間接成因分析[J].公路交通科技：應(yīng)用技術(shù)版，2009（3）：170-171+182.

【2】王華中，錢晉，陳明福.汽車檢測與診斷技術(shù)[M].湖南：中南大學(xué)出版社，2012.

【3】李巍.汽車ABS/ASR/BAS/DSC/ESP系統(tǒng)維修實(shí)例精選及剖析[M].北京：機(jī)械工業(yè)出版社，2010.