[發明專利]基于GM(1,1)模型的傳感器軟故障主動預測方法

在審

• 申請號: 201410717102.5
• 申請日: 2014-12-02
• 公開（公告）號: CN105651323A
• 公開（公告）日: 2016-06-08
• 發明（設計）人: 高述轅;趙金博;楊曉坤;楊海龍
• 申請（專利權）人: 山東申普交通科技有限公司
• 主分類號: G01D18/00
• 分類號: G01D18/00
• 代理公司: 淄博佳和專利代理事務所 37223
• 代理人: 楊娜

技術領域

本發明涉及一種基于GM(1，1)模型的傳感器軟故障主動預測方法，屬于傳感器軟故障檢測技術領域。

背景技術

車用傳感器是促進汽車高檔化，電子化和智能自動化發展的關鍵技術之一，目前一般汽車裝有幾十或近百只傳感器，而高級豪華汽車大約使用二三百只，它們能否正常運行是汽車能否正常行駛的關鍵，所以對傳感器故障檢測和診斷就顯得極為重要.傳感器故障主要分為硬故障和軟故障，硬故障隨機性較強，也較難預測，而軟故障主要是傳感器老化引起的精度下降等，導致信號失真.就汽車發動機控制系統有關的氧傳感器，進氣溫度傳感器，節氣門開度傳感器，曲軸位置及轉速傳感器，排氣溫度傳感器，爆震傳感器，車速傳感器，冷卻水溫傳感器等為例來說，這些傳感器在噴油量控制和點火控制等方面都起到至關重要的作用，任何環節喪失精度，都會造成發動機控制系統控制精度的下降，造成汽車在未到達檢修周期前，燃油消耗提高，有功功率下降，嚴重時甚至無法啟動.經檢索和調查，目前針對汽車傳感器軟故障檢測的方法大都采用的是被動檢測，即故障已經發生后才能進行檢測或是按照保養說明定期到專業維修中心檢測。

綜上所述，現代汽車領域傳感器故障檢測還存在以下問題：

采取定期定點維修的策略，進行傳感器軟故障的排查，造成應對突發故障響應的嚴重滯后，存在安全隱患，尤其涉及到發動機控制系統，間接造成燃油的無謂消耗和有功功率的下降。

發明內容

本發明要解決的技術問題是：針對現有技術中存在的汽車用傳感器軟故障檢測存在的一些不足，尤其是發動機控制系統用傳感器軟故障檢測中存在的不足，提出了一種基于灰色系統預測理論的GM(1，1)模型的傳感器軟故障主動預測方法。

本發明解決其技術問題所采用的技術方案是：

基于GM(1，1)模型的傳感器軟故障主動預測方，其特征在于：

步驟如下：

1.1定周期連續采樣汽車用傳感器的傳感數據，其中為單位周期采樣時刻；

1.2針對汽車用傳感器的傳感數據序列進行一次灰色累加生成獲得汽車用傳感器的傳感數據序列的灰色一次累加生成序列

其中，為單位周期采樣總個數，且；

1.3針對汽車用傳感器的傳感數據序列的灰色一次累加生成序列

進行汽車用傳感器的傳感數據序列的灰色一次累加生成序列的均值生成，獲得汽車用傳感器的傳感數據序列的灰色一次累加生成序列的均值生成序列

其中，均值生成的一般表達式為；

1.4建立基于汽車用傳感器的傳感數據的汽車用傳感器軟故障灰色GM(1，1)模型，具體表達式為：

；

其中灰作用量的具體表達式如下：

，

；

1.5根據步驟1.4中的汽車用傳感器軟故障灰色GM(1，1)模型獲得汽車用傳感器傳感數據下一周期初始主動預測灰色導數值，并通過灰色一次逆累加生成獲得汽車用傳感器的傳感數據實際預測值，具體表達式為：

；

1.6根據步驟1.5的預測結果，將其與下一周期實際初始采樣值比較，若其超出傳感器標準設定誤差，則可以判斷汽車用傳感器存在精度失效趨勢，應及時檢修。

與現有技術相比，本發明基于GM(1，1)模型的傳感器軟故障主動預測方法，所具有的有益效果是：

本發明的基于GM(1，1)模型的傳感器軟故障主動預測方法實施的是主動預測，提前預測精度失效趨勢，避免了因傳感器精度失效后而引起的未知發動機和汽車控制系統內故障，做到了防患于未然，提高了燃油利用率和其它控制模塊的工作效率，且結合灰色系統少量數據便能進行短期精確預測的特點，保證了汽車系統運行的穩定性，動態響應快速性和精確性。

附圖說明

圖1是本發明基于GM(1，1)模型的傳感器軟故障主動預測方法的流程框圖。

圖2是本發明汽車用傳感器故障主動預測的效果圖。

具體實施方式

下面結合圖1-2對本發明的基于GM(1，1)模型的傳感器軟故障主動預測方法做進一步詳細描述。

如圖1所示為本發明流程框圖，具體步驟如下：

步驟1：定周期連續采樣汽車用傳感器的傳感數據，其中為單位周期采樣時刻，定周期為200~500ms。

步驟2：針對汽車用傳感器的傳感數據序列進行一次灰色累加生成獲得汽車用傳感器的傳感數據序列的灰色一次累加生成序列：

；