基于模糊神經(jīng)網(wǎng)絡(luò)的電動汽車變速器故障檢測研究①

吳筱岑, 韓敬賢

(安徽糧食工程職業(yè)學(xué)院,安徽 合肥 231635)

0 引 言

電動汽車變速器的結(jié)構(gòu)日益復(fù)雜,變速器故障呈現(xiàn)多樣化和不確定性的發(fā)展趨勢。為了更好地檢測電動汽車變速器故障,將模糊理論應(yīng)用于電動汽車變速器故障檢測中,提升電動汽車變速器的故障檢測性能[1]。模糊理論適用于檢測不確定性的故障。模糊理論通過分析事件,確定事件的模糊規(guī)則,選擇隸屬度函數(shù),描述故障的經(jīng)驗(yàn)知識檢測故障[2],但是模糊理論并不具有學(xué)習(xí)能力。BP神經(jīng)網(wǎng)絡(luò)是具有極強(qiáng)學(xué)習(xí)能力的重要技術(shù),神經(jīng)網(wǎng)絡(luò)通過不斷學(xué)習(xí)樣本,輸出故障檢測結(jié)果[3],容錯性高。結(jié)合模糊理論和BP神經(jīng)網(wǎng)絡(luò)方法,利用模糊理論對電動汽車變速器的故障信息進(jìn)行模糊化處理,完成模糊化處理后的電動汽車變速器故障信息,利用BP神經(jīng)網(wǎng)絡(luò)方法分類,輸出精準(zhǔn)的電動汽車變速器故障檢測結(jié)果。

1 電動汽車變速器故障檢測

1.1 電動汽車變速器故障模糊檢測與隸屬函數(shù)確定

利用模糊理論模糊化處理電動汽車變速器的故障數(shù)據(jù),提升電動汽車變速器不確定性故障的檢測性能。模糊理論通過衡量電動汽車變速器故障征兆的隸屬度[4],獲取電動汽車不同故障原因的隸屬度。用{x1,x2,…,xm}與{y1,y2,…,yn}分別表示電動汽車變速器故障征兆以及導(dǎo)致電動汽車出現(xiàn)該故障征兆的故障原因。針對電動汽車變速器構(gòu)建的故障征兆模糊向量和故障原因模糊向量分別用X=(ηx1,ηx2,…,ηxm)和Y=(ηy1,ηy2,…,ηyn)表示,其中ηxi與ηyi分別表示測試樣本與故障征兆xi以及故障原因yi的隸屬度。構(gòu)建電動汽車變速器故障征兆與故障原因的模糊檢測方程表達(dá)式如下:

Y=XH

(1)

式中,H表示模糊檢測矩陣,模糊檢測矩陣H由變速器故障檢測的專家知識構(gòu)成,模糊檢測矩陣中的元素hij,表示利用模糊理論以及專家知識獲取[5],不同模糊特征參數(shù)下的模糊隸屬度。

公式(1)可以轉(zhuǎn)化如下:

(y1,y2,…,yn)=(x1,x2,…,xm)·

(2)

利用模糊理論生成電動汽車變速器故障檢測的模糊規(guī)則,將傳統(tǒng)的故障檢測規(guī)則模糊化處理,構(gòu)建應(yīng)用于電動汽車變速器故障檢測的模糊規(guī)則庫。用Ui′與Vi′分別表示論域U?H與V?H內(nèi)的模糊集合,x與y分別表示模糊系統(tǒng)的輸入變量和輸出變量,二者均為語言變量,電動汽車變速器故障檢測的模糊推理規(guī)則表達(dá)式如下:

H:ifxisUi′,thenyisVi′

(3)

公式(3)的電動汽車變速器故障檢測模糊規(guī)則中,包含電動汽車變速器全部故障類型的語言信息。

模糊理論中的隸屬函數(shù)表達(dá)極為重要。隸屬函數(shù)的設(shè)置,是檢測電動汽車變速器故障的基礎(chǔ)。構(gòu)建電動汽車變速器故障檢測的隸屬函數(shù)曲線,依據(jù)曲線形狀選取相應(yīng)隸屬函數(shù)。對于電動汽車變速器故障,設(shè)置-3,-2,-1,0,1,2,3七種模糊特征參數(shù),分別表示極低、過低、偏低、正常、偏高、過高以及極高七種類型。正常的模糊特征參數(shù)服從中間型分布;極低、過低和偏低三種模糊特征參數(shù)服從偏小型分布;過高、偏高和極高三種模糊特征參數(shù)服從偏大型分布。依據(jù)正態(tài)分布方法處理中間型分布,依據(jù)降半正態(tài)分布和升半正態(tài)分布處理偏小型分布以及偏大型分布。模糊特征參數(shù)為正常時,i=0,正態(tài)分布處理模糊特征參數(shù)表達(dá)式如下:

f(x)=e-B(x-A)2

(4)

模糊特征參數(shù)服從偏小型分布時,i=-1,-2,-3,依據(jù)降半正態(tài)分布處理模糊特征參數(shù)的表達(dá)式如下:

(5)

模糊特征參數(shù)服從偏大型分布時,i=1,2,3,依據(jù)升半正態(tài)分布處理模糊特征參數(shù)的表達(dá)式如下:

(6)

式中,x與f分別表示論域中的元素以及模糊規(guī)則的隸屬函數(shù),A與B分別表示電動汽車變速器故障檢測的特征值以及修正值,依據(jù)專家經(jīng)驗(yàn)數(shù)據(jù)以及試驗(yàn)數(shù)據(jù)獲取。

將模糊理論應(yīng)用于電動汽車變速器故障檢測時,主要包括故障征兆提取和故障征兆向量映射至故障原因向量兩部分,分別介紹各部分如下:

(1)提取電動汽車變速器故障征兆

電動汽車變速器中包含眾多的電子元件信號,采集電動汽車變速器電子元件信號的傳感器數(shù)量較多,不同的電子元件信號間存在眾多的冗余關(guān)系。依據(jù)專家經(jīng)驗(yàn)和電動汽車變速器故障征兆的冗余關(guān)系,提取電動汽車變速器的故障征兆。

(2) 故障征兆映射至故障原因向量。依據(jù)電動汽車變速器故障檢測的模糊推理規(guī)則,完成故障征兆向量至故障原因向量的連續(xù)映射,利用映射結(jié)果構(gòu)建電動汽車變速器的故障規(guī)則庫。電動汽車變速器故障向量元素的可信度數(shù)值區(qū)間為[0,1]。

1.2 模糊神經(jīng)網(wǎng)絡(luò)的電動汽車變速器故障檢測

利用BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)所構(gòu)建的電動汽車變速器故障檢測的故障規(guī)則庫,輸出電動汽車變速器故障檢測結(jié)果。設(shè)BP神經(jīng)網(wǎng)絡(luò)包含輸入樣本X={x1,x2,…,xn}數(shù)量為n,用W={w1,w2,…,wn}表示神經(jīng)網(wǎng)絡(luò)輸入樣本對應(yīng)的權(quán)值,輸入樣本及其對應(yīng)權(quán)值與神經(jīng)元的節(jié)點(diǎn)連接。神經(jīng)網(wǎng)絡(luò)隱含層的輸出函數(shù)表達(dá)式如下:

y=g(W×X×φ)

(7)

公式(7)中,g表示激活函數(shù),φ表示神經(jīng)元的閾值。

選取Sigmoid函數(shù)作為BP神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障的激活函數(shù),其表達(dá)式如下:

(8)

BP神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)電動汽車變速器故障規(guī)則庫的過程中,從上層向下層傳遞誤差,實(shí)現(xiàn)權(quán)值修正。設(shè)輸入BP神經(jīng)網(wǎng)絡(luò)的電動汽車變速器故障規(guī)則學(xué)習(xí)樣本數(shù)量為s,用z1,z2,…,zs表示BP神經(jīng)網(wǎng)絡(luò)輸出故障檢測結(jié)果的期望值。BP神經(jīng)網(wǎng)絡(luò)中,測試樣本i的誤差計(jì)算公式如下:

(9)

公式(9)中,zi與oi分別表示BP神經(jīng)網(wǎng)絡(luò)的期望輸出以及BP神經(jīng)網(wǎng)絡(luò)的實(shí)際輸出。

通過修正BP神經(jīng)網(wǎng)絡(luò)的輸入層與隱含層以及隱含層和輸出層的連接權(quán)值wij與wij′,令神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障時,輸出的誤差函數(shù)E,沿著負(fù)梯度方向下降。BP神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障的隱含層節(jié)點(diǎn)輸出表達(dá)式如下:

(10)

BP神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障的輸出層節(jié)點(diǎn)輸出公式如下:

(11)

檢測電動汽車變速器故障時,BP神經(jīng)網(wǎng)絡(luò)輸出層節(jié)點(diǎn)的輸出誤差公式如下:

(12)

將BP神經(jīng)網(wǎng)絡(luò)權(quán)值wij沿負(fù)方向修正的表達(dá)式如下:

(13)

公式(13)中,β表示學(xué)習(xí)因子。

利用模糊神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障的流程圖如圖1所示。

圖1 模糊神經(jīng)網(wǎng)絡(luò)的故障檢測流程圖

通過圖1的模糊神經(jīng)網(wǎng)絡(luò)故障檢測流程圖可以看出,利用模糊神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器故障主要包括以下流程:

(1)采集電動汽車變速器故障狀態(tài)的工況數(shù)據(jù),提取電動汽車變速器的故障征兆參數(shù),歸一化處理電動汽車變速器的故障征兆參數(shù);

(2)模糊化處理電動汽車變速器的故障征兆參數(shù),依據(jù)利用隸屬度表示的電動汽車變速器故障征兆參數(shù),構(gòu)建模糊規(guī)則庫;

(3)將完成模糊化處理的電動汽車變速器故障數(shù)據(jù)構(gòu)建的模糊規(guī)則庫,作為BP神經(jīng)網(wǎng)絡(luò)的輸入樣本。初始化BP神經(jīng)網(wǎng)絡(luò)的閾值和權(quán)值,設(shè)置BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)元函數(shù)以及調(diào)節(jié)參數(shù);

(4)正向傳播。于輸入的模糊規(guī)則庫內(nèi)的樣本,計(jì)算BP神經(jīng)網(wǎng)絡(luò)隨機(jī)節(jié)點(diǎn)的輸出值;

(5)反向傳播。反向計(jì)算BP神經(jīng)網(wǎng)絡(luò)輸出層至輸入層各節(jié)點(diǎn)的誤差值;

(6)權(quán)值修正。利用公式(13)修正BP神經(jīng)網(wǎng)絡(luò)的權(quán)值;

(7)將BP神經(jīng)網(wǎng)絡(luò)依據(jù)修正獲取的新權(quán)值,正向計(jì)算。BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本對輸出層各神經(jīng)元的輸出,均滿足設(shè)定的精度閾值需求時,完成BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練。否則返回至步驟(4),重新進(jìn)行正向以及反向傳播,修正網(wǎng)絡(luò)權(quán)值,直至滿足精度閾值要求為止。

(8)將電動汽車變速器的測試樣本輸入完成訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò),BP神經(jīng)網(wǎng)絡(luò)通過故障模糊規(guī)則庫的學(xué)習(xí),推理獲取電動汽車變速器故障原因;

(9)確定電動汽車變速器故障原因的模糊隸屬度向量,輸出電動汽車變速器故障類型。

2 實(shí)例分析

為了驗(yàn)證所研究基于模糊神經(jīng)網(wǎng)絡(luò)的電動汽車變速器故障檢測方法,將該方法應(yīng)用于某電動汽車的變速器故障檢測中。選取尼歐Ⅱ型的純電動汽車作為實(shí)驗(yàn)對象,該電動汽車選取B7XA型電控自動變速器實(shí)現(xiàn)電動汽車的速度調(diào)節(jié)。電動汽車的電控自動變速器運(yùn)行時,需要定期對零部件施加自動變速器油,定期更換O形圈、密封墊等零件。

采用本文方法針對電動汽車變速器故障檢測設(shè)置的模糊特征值如表1所示。

表1 故障檢測模糊特征值

完成電動汽車變速器故障檢測的模糊特征值設(shè)置后。依據(jù)電動汽車變速器故障檢測的模糊特征值,構(gòu)建電動汽車變速器故障檢測的模糊規(guī)則庫,模糊規(guī)則庫中的部分模糊規(guī)則如表2所示。通過表2實(shí)驗(yàn)結(jié)果可以看出,采用本文方法可以有效依據(jù)電動汽車變速器的故障特征值,構(gòu)建應(yīng)用于電動汽車變速器故障檢測的模糊規(guī)則庫。利用模糊規(guī)則庫中包含的電動汽車故障檢測的模糊規(guī)則,作為BP神經(jīng)網(wǎng)絡(luò)的輸入。將待檢測的故障樣本輸入BP神經(jīng)網(wǎng)絡(luò)后,BP神經(jīng)網(wǎng)絡(luò)從所構(gòu)建的故障模糊規(guī)則庫搜尋所需的故障規(guī)則,輸出電動汽車變速器的故障檢測結(jié)果。

表2 電動汽車變速器故障檢測模糊規(guī)則

輸入待檢測電動汽車變速器的故障測試樣本,驗(yàn)證本文方法的電動汽車變速器故障檢測性能。測試樣本中的其中10組故障檢測輸入樣本,經(jīng)過故障征兆參數(shù)歸一化處理后的結(jié)果如表3所示。

表3 電動汽車變速器故障征兆參數(shù)歸一化

通過表3實(shí)驗(yàn)結(jié)果可以看出,采用本文方法可以實(shí)現(xiàn)電動汽車變速器故障檢測的故障征兆參數(shù)歸一化。依據(jù)表3電動汽車變速器故障檢測的10組樣本,采用本文方法檢測電動汽車變速器故障。本文方法對電動汽車變速器的故障檢測結(jié)果如表4所示。表4實(shí)驗(yàn)結(jié)果可以看出,本文方法可以有效利用模糊神經(jīng)網(wǎng)絡(luò)檢測電動汽車變速器的離合器打滑、制動器故障等不同類型的故障。電動汽車變速器在故障狀態(tài)下,無法依據(jù)車況以及車速等信號,切換電動汽車擋位,影響電動汽車的運(yùn)行性能。本文方法充分考慮電動汽車變速器的工作特點(diǎn),利用模糊理論確定電動汽車變速器故障征兆與故障原因間的映射關(guān)系,利用BP神經(jīng)網(wǎng)絡(luò)方法實(shí)現(xiàn)電動汽車變速器故障的最終檢測。通過實(shí)驗(yàn)驗(yàn)證了該方法檢測電動汽車變速器的有效性,本文方法可以正確識別電動汽車變速器不同類型故障的特征規(guī)律,輸出變速器故障的最終檢測結(jié)果。

表4 電動汽車變速器故障檢測結(jié)果

為了進(jìn)一步驗(yàn)證本文方法對電動汽車變速器故障檢測的有效性,選取表4中序號2的檢測結(jié)果為變速器齒輪斷齒故障為例,該故障樣本的時域波形圖如圖2所示。圖2為采用本文方法檢測電動汽車變速器齒輪斷齒故障的時域波形圖,通過圖2實(shí)驗(yàn)結(jié)果可以看出,圖2中變速器齒輪的時域波形表現(xiàn)出了明顯的沖擊性特征,呈現(xiàn)典型的故障波動。圖2實(shí)驗(yàn)結(jié)果驗(yàn)證,采用本文方法檢測電動汽車變速器故障,檢測水平較高,可以有效檢測齒輪斷齒的故障,故障檢測結(jié)果與實(shí)際結(jié)果相符,檢測結(jié)果較高。電動汽車變速器齒輪斷齒故障的故障特征較為復(fù)雜,斷齒故障的振動信號復(fù)雜度較高,特征并不明顯。本文方法采用模糊神經(jīng)網(wǎng)絡(luò),對于特征不明顯的齒輪斷齒故障,仍然可以精準(zhǔn)檢測,具有較高的應(yīng)用水平。

圖2 變速器齒輪斷齒故障時域波形圖

3 結(jié) 論

將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于電動汽車變速器故障檢測中,利用模糊理論構(gòu)建電動汽車變速器故障檢測的模糊規(guī)則庫。通過BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模糊規(guī)則庫,輸出電動汽車變速器故障檢測結(jié)果。模糊理論可以有效解決電動汽車變速器故障檢測中的不確定性以及多樣化問題,提升電動汽車變速器的故障檢測性能。通過實(shí)驗(yàn)驗(yàn)證該方法可以有效檢測電動汽車變速器故障,對于電動汽車變速器的齒輪故障、離合器故障等不同類型故障均可以精準(zhǔn)檢測,具有較高的應(yīng)用性,為電動汽車的可靠運(yùn)行提供理論基礎(chǔ)。