一种汽车传感器故障诊断的研究

熊飞

摘要：针对汽车传感器的故障控制诊断对象存在故障样本数据空间维数大，故障诊断的实时性差的等问题，首先通过静态模糊自学习方法找到故障节点，通过BP网络进行分类智诊断。通过实验表明本文方法提高了汽车传感器故障诊断准确率，从而提高了诊断的识别与决策能力。

关键词：BP神经网络；传感器故障

0.引言

伴随着人民生活水平的提高，汽车已经成为了人民生活中重要组成部分。但是伴随着的汽车自身某些故障的产生，使得汽车故障的研究成为了人们研究的重点，文献[1]指出计算机和信息化技术的广泛运用到汽车中，其中传感器逐步应用到汽车控制中，它能够对汽车信息进行感知，采集，转换和处理。将感知的信息转换其他需要的信息输出。汽车传感器是汽车电子控制的关键部件，也是汽车电子技术的核心部分。文献[2-3] 提出一种基于数据驱动的多模型传感器故障软闭环容错控制方法，并对非线性系统中卡死、恒增益、恒偏差等常见传感器故障进行了研究。文献[4]指出目前传感器控制主要是分布是针对衡秤体下方，通过传感器输出来完成故障传感器输出信号，但容易偏离中心，影响估计精度。文献[5]指出数字称重传感器可以实现不间断工作，能够在短时间内获得故障信号，但缺点是价格昂贵。文献[6]提出基于结构振动响应特性利用改进的模态滤波方法对阵列式传感器系统进行故障诊断。

本文主要BP神经网络的基础上引入静态模糊控制，对汽车传感器控制的故障进行有效、准确的分类。……