基于改进ABC算法优化SVM的汽车发动机故障诊断.pdfVIP

学兔兔 1 訇 地 基于改进ABC算法优化SVM的汽车发动机故障诊断 Improved arUflcial bee colony opUmization based on support vector machine for ca~engine fault diagnosis 李秋玲，贾敏智 Ll Qiu．1ing．JIA Min—zhi (太原理工大学信息工程学院，太原030024) 摘 要：汽车发动机系统运行机理复杂，发动机故障成因与故障现象往往呈现出不确定的对应关系。为 此，提出一种尾气成分分析基础上的支持向量机的汽车发动机故障诊断方法。首先，提取典 型状态下的特征气体含量，规一化处理作为训练样本，然后采用改进的人工蜂群算法(AeC) 优化SVM参数，构造SVM发动机故障分类器，实现对发动机故障的准确诊断。仿真结果表 明，此方法能够对发动机故障进行快速识别，且故障诊断精度较高。 关键词：汽车发动机；尾气；支持向量机；故障诊断；改进的人工蜂群算法 中图分类号：TP181 文献标识码：A 文章编号：1 009-01 34(2014)03(上)一0057-04 Doi：1 0．3969／J．issn．1 009-01 34．2014．03(上)．1 7 0 引言 型，对汽车排放尾气中故障特征气体成分进行检 目前，使用较为广泛的车载自诊断系统(On— 测，优化训练SVM故障分类器，判断发动机故障 Board Diagnostic 11，OBD Ⅱ)u 主要针对汽车电 类别。仿真结果验证了该方法的有效性并与其它 控系统的相关故障进行诊断。该系统仅能检测电 优化算法的分类性能进行比较分析。 控系统的部分故障，且未必可指示出正确故障部 位，还需借助相关仪器仪表进行线路检测与分 1 ABC-SVM基本理论 析，并结合一定专业知识才能够确定故障部位。 1．1支持向量机原理 汽车发动机作为典型的非线性对象，采用OBD 11 SVM口 其原理简单描述为：对典型状态下的特 进行诊断存在一定的不确定性。鉴于此，探索智 征样本{ ，Y )，i=1，2… }(x ，Y 分别对应第i个样本的 能化、高效的发动机故障诊断系统成为当前研究 汽车尾气含量归一化值及发动机所属故障类别)， 热点 ， 。 借助非线性映射函数 )，将低维输入空间映射 支持向量机 (Support Vector Machine，SVM) 到较高维特征空间，寻找如式(1)的绝策面进行发 理论通过结构风险最小化原理和统计学习来提高 动机故障的分类。为使得构造的最佳决策面既能 分类泛化能力，已在模式识别、实时预测、故障 实现发动机故障正确分类，又使得类间间隔最 诊断等领域实现应用 。对于发动机而言，运动 大，则需引入条件(2)： 部件繁杂，工作条件较恶劣，激励多，各种响应 厂 )=(0(p )+b=0 (1) 干扰性强。传统的采集缸盖振动或噪声提取特征