基于改进模糊神经网络的汽车断电延时自启动电路故障检测方法分析.pdfVIP

汽车安全技术

基于改进模糊神经网络的汽车断电延时

自启动电路故障检测方法分析

杨定

（广西现代职业技术学院广西河池547000）

摘要：现有汽车电路故障检测方法对故障特征模糊性与非线性的关联捕捉不足，导致检测精度受限。该文

提出基于改进模糊神经网络的汽车断电延时自启动电路故障检测方法，对电路核心故障模式进行模糊化表

征，通过隶属度函数与模糊逻辑运算将非线性、不确定性特征转化为量化的模糊变量，并利用改进模糊神经

网络对模糊特征进行推理，输出各故障类型的置信度，结合动态阈值判定与故障关联性分析，实现故障类

型的精准识别与定位。试验结果表明，该方法对各类故障的误分率仅5%～8%，召回率达0.89～0.93，F1分数

0.90～0.94，均优于对比方法，故而具有更高的故障检测精度。

关键词：改进模糊神经网络；汽车断电延时自启动电路；故障检测

断电延时自启动电路的稳定运行直接关系汽车1基于改进模糊神经网络的汽车断电延时

在断电后能否迅速恢复启动，进而保障行车安全性自启动电路故障检测方法设计

与使用便利性。然而，该电路结构复杂，并且各组

1.1汽车断电延时自启动电路故障模式模糊化表征

件之间相互关联、协同工作，所以在运行过程中极

汽车断电延时自启动电路的故障模式具有非线

易因受到多种因素的影响而出现故障。这些故障会

性、不确定性特征，可通过模糊化表征将其转化为

导致汽车启动异常，从而引发一系列安全隐患[1]。

可量化处理的模糊变量[5]。

因此，及时准确地检测出汽车断电延时自启动电路

为实现故障特征的模糊化描述，应构建对应的

故障，对于提高汽车电气系统的安全性具有重要意

隶属度函数。以电容充电时间t为例，设定特征量

义。在电路故障检测领域，研究者提出了一系列方

论域为[0,tmax]（tmax为最大充电时间），划分“正常”“轻

法。比如，有学者提出获取故障数据并进行扩充处

微异常”“中度异常”“严重异常”4个模糊子集，

理，依据汽车电路故障特征构建检测模型，以实现

采用三角形隶属度函数进行量化，其表达式：

故障自动检测，但该方法对故障特征的模糊化表征

不够精准，导致检测精度受到一定影响[2]；有学者0,x≤a



提出结合傅里叶变换、频率响应调整及固有时间尺x−a,axb

度分解技术对电路信号进行预处理，采用小波变换b−a

µA(x)

提取故障信号时频特征并进行筛选和重构，再运用c−xbx≤c

,