[發明專利]一種abs結果自動判定算法

有效

• 申請號: 202110161343.6
• 申請日: 2021-02-05
• 公開（公告）號: CN112985830B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 李道柱;陳莉;楊春江
• 申請（專利權）人: 深圳大雷汽車檢測股份有限公司
• 主分類號: G01M17/007
• 分類號: G01M17/007;G06N3/0464;G06N3/0895
• 代理公司: 廣東廣和律師事務所 44298
• 代理人: 王峰

1.一種abs結果自動判定算法，其特征在于：包括以下步驟，

S1：獲取制動過程中與汽車ABS制動性能檢測相關的測量數據及附加信息；

S2:對獲取的測量數據及附加信息進行數據預處理；

S3：制作帶標簽的樣本數據；

S4：無監督深度學習網絡模型的訓練；

所述步驟S4中的無監督深度學習網絡模型包括主網絡和次網絡；所述主網絡具有前饋連接和反饋連接結構，含有局部記憶能力，主網絡依次由輸入層、承接層、中間層和輸出層構成；所述次網絡用于主網絡初始化，次網絡含有一個可視層和一個隱含層；

所述步驟S4的訓練過程分為兩個階段：第一步是，采用自下而上的無監督訓練方式；第二步是，采用自上而下的有監督學習方式；所述自下而上的訓練，是用無標定數據或有標定數據進行分層訓練；首先輸入訓練樣本，學習網絡第一層的權重，直至模型第n-1層，其輸出作為模型第n層輸入，由此得到每層的神經元參數，其訓練過程是無監督的；所述自上而下的學習，是在第一步訓練過程結束后，通過帶標簽的數據進一步訓練網絡，使誤差自上而下逐層傳輸，從而對預訓練所得的網絡參數進行微調，最終確定模型的各層網絡參數，這個訓練過程是有監督的；

針對已積累豐富故障數據的車型和或abs制動系統，在有限或缺乏訓練樣本標簽信息的情況下，從不同車型、車號、車齡、道路位置，以及數值、文字、圖片多來源，多結構的被測車輛測量數據及附加信息中，全方位、有效地提取故障特征，使之適用于類別標簽缺失情況下的汽車ABS工作狀態的自動判定；具體步驟如下：A、將非結構化數據，作為卷積神經網絡的輸入，將結構化數據作為深度神經網絡的輸入；B、通過一個包含多個隱含層的特征融合層，將CNN的全連接層和DNN的最后一層隱含層中的神經元，與特征融合層中第一個隱含層的神經元進行全連接，這個全連接操作將CNN從非結構化數據中提取的故障特征和DNN從結構化數據中提取的故障特征進行了無縫集成；C、將特征融合層最后一個隱含層的輸出，輸入到softmax分類器，對故障進行分類。

2.如權利要求1所述的一種abs結果自動判定算法，其特征在于：所述步驟S1中的測量數據包括車速、輪速、踏板力、abs制動時間、間隔、制動管路壓力數據；所述附加信息包括車型、車號、車齡、道路位置以及車型技術參數。

3.如權利要求2所述的一種abs結果自動判定算法，其特征在于：所述步驟S1中還包括將獲取的測量數據及附加信息，區分為結構化數據和非結構化數據；所述結構化數據包括數值型數據、數據庫；所述非結構化數據包括文字型數據或時域波形圖。

4.如權利要求1所述的一種abs結果自動判定算法，其特征在于：所述步驟S2具體包括以下步驟，A1：截取所述測量數據波形時間曲線中與abs制動動作相關長度的數據作為原始波形數據；A2：采用高通濾波器去除基線漂移噪音；A3：基于標準方差和閾值法確認噪音是否過高，噪音過高時使用低通巴特沃斯濾波器去除噪音干擾；A4：針對數據來源多源、異構的特點，對所有數據進行歸一化處理。

5.如權利要求1所述的一種abs結果自動判定算法，其特征在于：所述步驟S3中，Abs制動系統在不同工況下運行的測量數據具有一定的相似度，其故障數據時域分布圖具有一定的相似性，即源領域和目標領域具有公共部分。

6.如權利要求5所述的一種abs結果自動判定算法，其特征在于：所述步驟S3中，對處理后的不同工況下的數據添加標簽并記為源領域；對ABS整體狀態的評價結論，其標簽包括正常、故障、不足；預處理后的實時采集的數據記為目標領域。