[發明專利]一種基于RBF徑向基神經網絡的汽車防抱死檢測方法

在審

• 申請號: 201810393821.4
• 申請日: 2018-04-27
• 公開（公告）號: CN108956153A
• 公開（公告）日: 2018-12-07
• 發明（設計）人: 周武能;尤亞鋒;閭斯瑤
• 申請（專利權）人: 東華大學
• 主分類號: G01M17/007
• 分類號: G01M17/007;G06N3/04
• 代理公司: 上海泰能知識產權代理事務所 31233
• 代理人: 宋纓;錢文斌

本發明涉及一種基于RBF徑向基神經網絡的汽車防抱死檢測方法，包括以下步驟：先是利用測速傳感器對汽車四個車輪車速數據進行采集和處理，然后選擇合適的徑向基神經網絡模型和參數對數據進行訓練和學習。再用原先采集的部分有效數據進行驗證，用來檢驗所建立的神經網絡的合理性。最后用新數據進行故障預測。本發明能夠快速準確的判斷出是否需要啟動防抱死系統，從而降低了事故發生率。

技術領域

本發明涉及汽車故障診斷技術領域，特別是涉及一種基于RBF徑向基神經網絡的汽車防抱死檢測方法。

背景技術

隨著科技的日益進步，汽車行業也取得了突飛猛進的發展，尤其是在速度方面更進一步。但是速度的提高也意味著更多的風險。近年來交通事故多發，其主要是由于車速過高引起的。因此迫切需要提高汽車故障檢測技術，來減少交通事故的發生。防抱死系統(ABS)的出現有效地降低了這些交通事故的發生，這不僅具有重要的經濟意義，而且它所帶來的安全性也是不可替代的。

國內外有關汽車檢測系統的研究方法也比較多。比如早期的日本、加拿大、意大利等使用了專家檢測系統，以及后來的智能化、數字化檢測系統，極大地提高了檢測效率和檢測成本。現在汽車防抱死控制方法有多種，主要是滑模變結構控制、PID控制、模糊控制等。但是這些方法需要大量的道路測試，顯然這些方法不是很理想難以滿足現實需求。

發明內容

本發明所要解決的技術問題是提供一種基于RBF徑向基神經網絡的汽車防抱死檢測方法，能夠快速準確的判斷出是否需要啟動防抱死系統，從而降低了事故發生率。

本發明解決其技術問題所采用的技術方案是：提供一種基于RBF徑向基神經網絡的汽車防抱死檢測方法，包括以下步驟：

(1)選取數據樣本：對傳感器采集到的汽車四個車輪的速度進行篩選處理；

(2)對故障類型進行編碼：1代表發生了相應的故障，0代表無故障；

(3)建立RBF神經網絡：選取合適的RBF徑向基神經網絡訓練參數；

(4)訓練RBF神經網絡：把數據樣本中的數據放到建立的RBF神經網絡進行訓練；

(5)測試網絡：將未進行訓練的數據進行檢測并測試網絡效果，判斷是否啟用防抱死系統。

所述步驟(2)中汽車四輪的車速輸入量分別為：左前輪速、右前輪速、左后輪速、右后輪速，X代表輸入量，X＝(x1,x2,x3,x4)作為輸入；對應的故障類型分別為：無故障、左前調節器故障、右前調節器故障、左后調節器故障、右后調節器故障。分別用y1,y2,y3,y4,y5來表示；5種故障類型對應的輸出期望向量為{10000}、{01000}、{00100}、{00010}、{00001}，其中1代表發生了所對應的故障，0表示無故障發生。

所述步驟(3)中建立的RBF神經網絡的輸入到輸出的網絡映射函數公式為：其中，σ為函數的寬度參數，W_ij為隱含層到輸出層的權值；C_i為徑向基函數的中心，X_p為輸入向量，h為神經元個數。

所述步驟(4)中在進行訓練時通過調整不同的spread值得到一個最優解模型。

有益效果

由于采用了上述的技術方案，本發明與現有技術相比，具有以下的優點和積極效果：本發明利用測速傳感器對汽車四個車輪速度數據進行采集和處理，然后選擇合適的徑向基神經網絡模型和參數對數據進行訓練和學習，再用原先采集的部分有效數據進行驗證，用來檢驗所建立的神經網絡的合理性，最后用新數據進行故障預測。本發明能夠迅速的判斷出是否啟動防抱死系統，從而第一時間保證了安全性，減少了交通事故的發生，具有較高的實用價值。

附圖說明

圖1是本發明的流程圖；