CN109109787A - 一种汽车行驶故障监测方法 - Google Patents

Abstract

本发明公开了一种汽车行驶故障监测方法，包括：步骤1、汽车行驶时，采集汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W；步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}；步骤3、所述中间层向量y＝{y₁,y₂,...,y_b}；b为中间层节点个数；步骤4、得到输出层向量o＝{o₁,o₂}，其中o₁为汽车行驶状态，o₂为汽车故障状态，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车处于正常行驶状态，当o₁为0时，汽车处于非正常行驶状态；当o₂为1时，汽车正常工作，当o₂为0时，汽车出现故障，进行预警。能够监测汽车行驶状态和故障，提高安全性。

Description

一种汽车行驶故障监测方法

技术领域

本发明涉及一种汽车行驶故障监测方法，属于汽车安全领域。

背景技术

汽车作为现代社会不可缺少的交通工具，在国民经济和人们日常生活中发挥着极其重要的作用。汽车工业不仅代表了一个国家工业发展的水平，集中体现了新材料、新工艺、新技术和新设备的应用，而且汽车工业是具有规模效益和高附加值的技术密集型产业,是发展国民经济的强大推动力。

作为国民经济的支柱产业，汽车工业的发展受到了世界各国的高度重视，激烈的场竞争促进汽车生产和研发水平不断提高，汽车系统结构、功能日趋复杂，汽车故障种类也日益多样化，这些都对汽车故障诊断和监控技术提出了更高要求。

汽车启动后，在汽车行驶过程中，会受到行驶环境等多种行驶因素，对汽车的安全状态造成影响，影响汽车的安全性能，甚至会造成汽车故障，如不及时停车检查，会导致汽车熄火、交通事故等重大汽车故障。

发明内容

本发明设计开发了一种汽车行驶故障监测方法，能够在汽车行驶过程中对汽车故障和汽车安全状态进行检测，提高汽车行驶的安全性。

本发明的另一发明目的，通过BP神经网络在汽车行驶过程中进行监测，使监测过程更加精准，并通汽车过行驶速度控制汽车行驶时的安全距离，使汽车行驶时的安全性更高。

本发明提供的技术方案为：

一种汽车行驶故障监测方法，包括：

步骤1、汽车行驶时，根据采样周期，通过传感器采集汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W；

步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}，其中，x₁为汽车行驶速度系数，x₂安全距离系数，x₃为发动机振动频率系数，x₄为发动机温度系数，x₅为尾气排放系统温度系数，x₆为尾气排放系统湿度系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,...,y_b}； b为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}，其中o₁为汽车行驶状态，o₂为汽车故障状态，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车处于正常行驶状态，当o₁为0时，汽车处于非正常行驶状态；当o₂为1时，汽车正常工作，当o₂为0时，汽车出现故障，进行预警。

优选的是，所述步骤2中，将汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W进行归一化处理，归一化公式为：

其中，为归一化处理的输入参数，x_j为测量参数V、S、f、T₁、T₂、W， j＝1,2,3,4,5,6；x_jmax、x_jmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

优选的是，所述中间层节点个数b满足：其中a为输入层节点个数，c为输出层节点个数。

优选的是，所述中间层以及所述输出层的激励函数均采用S型函数， f_j(x)＝1/(1+e^-x)。

优选的是，在汽车行驶过程中，所述安全距离S的经验公式为：

其中，L为车身长度，H为车身宽度，V_max为汽车行驶的最大车速，V_min为汽车行驶的最小车速，为汽车行驶的标准设定车速，α为路面粗糙度系数， C为补偿常数。

优选的是，所述补偿常数C的取值范围为0-10。

优选的是，所述安全距离的范围为6-10m。

优选的是，所述第一相关车和第二相关车为自车道与被测汽车前后相邻的两辆车。

本发明所述的有益效果：在汽车行驶过程中，通过传感器对汽车行驶速度，汽车与第一相关车和第二相关车之间的安全距离、汽车发动机振动频率、汽车发动机温度、尾气排放系统的温度和湿度进行测量，并通过BP神经网络对汽车行驶状况进行监测，能够及时监测汽车的运行状态，并在汽车出现故障时及时进行预警，提高汽车行驶的安全性，减少汽车自身故障，延长汽车的使用寿命。同时，在汽车行驶过程中，通过改变行驶速度控制汽车与相关车之间的安全距离，使行驶的安全性更高，让乘驾人和家人放心。

具体实施方式

下面结合本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供一种汽车行驶故障监测系统，包括控制处理系统、发动机系统、尾气系统、速度采集系统以及预警系统；控制处理系统设置在汽车驾驶室内，分别与发动机系统、尾气系统、速度采集系统以及预警系统电联，发动机系统，其与控制处理系统电联，包括第一温度传感器，其连接在汽车发动机缸盖上，用于采集发动机的温度，振动频率传感器，其连接在汽车发动机缸体上，用于采集发动机的振动频率。尾气系统，其连接在汽车尾气排放系统内部，并与控制处理系统电联，用于采集汽车尾气温度和湿度。速度采集系统，其设置在车身上，并与控制处理系统电联，用于采集汽车行驶速度；预警系统，其设置在所述控制处理系统上，用于对汽车行驶中非安全状态和故障状态进行预警。

在另一实施例中，预警系统包括两个第一闪烁灯和第二闪烁灯，第一闪烁灯为汽车安全行驶状态预警灯，第二闪烁灯为汽车故障状态预警灯，闪烁颜色为绿色和红色，绿色闪烁分别为汽车安全行驶状态和正常工作状态，红色闪烁分别为汽车非安全行驶状态和汽车故障状态。

发动机系统、尾气系统、速度采集系统以及预警系统分别与控制处理系统电联，实时将采集到的汽车行驶中的数据发送到控制处理系统中，控制系统将采集数据进行处理，并对非安全行驶状态和汽车故障状态进行预警。

本发明还提供一种汽车行驶故障监测方法，通过BP神经网络在汽车行驶过程中进行检测，提高汽车行驶的安全性，具体包括如下步骤：

步骤1、建立BP神经网络模型。

构建三层BP神经网络，其中第一层为输入层，有a个节点，表示导流罩的控制装置在工作时的n个检测信号。第二层为隐层，共b个节点，由神经网络的训练过程以自适应的方式确定。第三层为输出层，共c个节点，根据导流罩的控制装置的实际输出的响应确定；

因此，本神经网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_a)^T；

中间层向量：y＝(y₁,y₂,...,y_b)^T；

输出向量：O＝(o₁,o₂,...,o_c)^T；

本发明中，输入层节点数a＝6，输出层节点数为c＝2，中间层节点b通过估算

按照采样周期，输入汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W共六个参数；

输入层的六个参数分别表示为x₁为汽车速度系数，x₂安全距离系数，x₃为发动机振动频率系数，x₄为发动机温度系数，x₅为尾气排放系统温度系数，x₆为尾气排放系统湿度系数。

由于输入层的各个参数的量纲不同，因此，需要对输入层的各参数进行归一化处理，得到0-1之间的参数。

汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W进行归一化处理，公式为：其中，为归一化处理的输入参数， x_j为测量参数V、S、f、T₁、T₂、W，j＝1,2,3,4,5,6；x_jmax、x_jmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

具体而言，对于汽车行驶速度V，进行归一化后，得到汽车行驶速度系数x₁：

其中，V_min和V_max分别为汽车行驶的最小速度和最大速度。

同样的，对汽车与第一相关车和第二相关车之间的安全距离S，进行归一化后，得到距离系数x₂：

其中，S_min和S_max分别为安全距离最小值和最大值；

同样的，对汽车发动机振动频率f，进行归一化后，得到汽车发动机振动频率系数x₃：

其中，f_min和f_max分别为车身振动的最小频率和最大频率；

同样的，对汽车发动机温度T₁，进行归一化后，得到汽车发动机温度系数x₄：

其中，T_1min和T_1max分别为发动机温度的最小值和最大值

同样的，对汽车尾气温度T₂，进行归一化后，得到汽车尾气温度系数x₅：

其中，对T_2min和T_2max分别为汽车尾气温度的最小值和最大值；

同样的，对汽车尾气湿度W，进行归一化后，得到汽车尾气湿度系数x₆；

其中，W_min和W_max分别为汽车尾气的最大湿度和最小湿度。

输出信号的2个参数分别表示为：输出层向量o＝{o₁,o₂}；o₁为汽车行驶状态、o₂为汽车故障状态，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车处于正常行驶状态，当o₁为0时，汽车处于非正常行驶状态，进行预警；当o₂为1时，汽车正常工作，当o₂为0 时，汽车出现故障，进行预警。

步骤2、进行BP神经网络训练。

根据历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值W_ij，隐层节点j和输出层节点k之间的连接权值W_jk，隐层节点j 的阈值θ_j，输出层节点k的阈值θ_k、W_ij、W_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正W_ij、W_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

步骤3、采集传感器运行参数输入神经网络得到汽车行驶安全

将训练好的人工神经网络固化在芯片之中，使硬件电路具备预测和智能决策功能，从而形成智能硬件。

同时使用传感器采集到的参数，通过将上述参数规格化，得到BP神经网络的初始输入向量通过BP神经网络的运算得到初始输出向量

步骤4、监测汽车的行驶状态和故障状态，并在紧急情况时进行预警。

根据输出层神经元值o＝{o₁,o₂}；o₁为汽车行驶状态、o₂为汽车故障状态，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；

其中，当o₁为1时，汽车处于正常行驶状态，第一灯绿灯闪烁，当o₁为0 时，汽车处于非正常行驶状态，第一灯红灯闪烁；当o₂为1时，汽车正常工作，第二灯绿灯闪烁，当o₂为0时，汽车出现故障，第二灯红灯闪烁。

在另一实施例中，汽车与第一相关车和第二相关车之间的安全距离的经验公式为：

其中，L为车身长度，单位为mm，H为车身宽度，单位为mm，V_max为汽车行驶的最大车速，单位为km/h，V_min为汽车行驶的最小车速，单位为km/h，为汽车行驶的标准设定车速，单位为km/h，α为路面粗糙度系数，C为补偿常数。以及

安全距离S的取值范围为6-10m，常数C的取值范围为0-10。

在另一实施例中，安全距离S取值为8m，常数C取0.188。

第一相关车和第二相关车依次为自车道与被监测汽车相邻的两辆车，即被监测汽车的前车和后车。

在汽车行驶过程中，通过传感器对汽车行驶速度，汽车与第一相关车和第二相关车之间的安全距离、汽车发动机振动频率、汽车发动机温度、尾气排放系统的温度和湿度进行测量，并通过BP神经网络对汽车行驶状况进行监测，能够及时监测汽车的运行状态，并在汽车出现故障时及时进行预警，提高汽车行驶的安全性，减少汽车自身故障，延长汽车的使用寿命。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (8)

1.一种汽车行驶故障监测方法，其特征在于，包括：

步骤1、汽车行驶时，根据采样周期，通过传感器采集汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W；

步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}，其中，x₁为汽车行驶速度系数，x₂安全距离系数，x₃为发动机振动频率系数，x₄为发动机温度系数，x₅为尾气排放系统温度系数，x₆为尾气排放系统湿度系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,...,y_b}；b为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}，其中o₁为汽车行驶状态，o₂为汽车故障状态，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，汽车处于正常行驶状态，当o₁为0时，汽车处于非正常行驶状态；当o₂为1时，汽车正常工作，当o₂为0时，汽车出现故障，进行预警。

2.根据权利要求1所述的汽车行驶故障监测方法，其特征在于，所述步骤2中，将汽车行驶速度V、汽车与第一相关车和第二相关车之间的安全距离S、汽车发动机振动频率f、汽车发动机温度T₁、尾气排放系统的温度T₂和湿度W进行归一化处理，归一化公式为：

其中，为归一化处理的输入参数，x_j为测量参数V、S、f、T₁、T₂、W，j＝1,2,3,4,5,6；x_jmax、x_jmin分别为相应测量参数中的最大测量值和最小测量值，采用S型函数。

3.根据权利要求2所述的汽车行驶故障监测方法，其特征在于，所述中间层节点个数b满足：其中a为输入层节点个数，c为输出层节点个数。

4.根据权利要求3所述的汽车行驶故障监测方法，其特征在于，所述中间层以及所述输出层的激励函数均采用S型函数，f_j(x)＝1/(1+e^-x)。

5.根据权利要求4所述的汽车行驶故障监测方法，其特征在于，在汽车行驶过程中，所述安全距离S的经验公式为：

其中，L为车身长度，H为车身宽度，V_max为汽车行驶的最大车速，V_min为汽车行驶的最小车速，为汽车行驶的标准设定车速，α为路面粗糙度系数，C为补偿常数。

6.根据权利要求5所述的汽车行驶故障监测方法，其特征在于，所述补偿常数C的取值范围为0-10。

7.根据权利要求6所述的汽车行驶故障监测方法，其特征在于，所述安全距离的范围为6-10m。

8.根据权利要求7所述的汽车行驶故障监测方法，其特征在于，所述第一相关车和第二相关车为自车道与被测汽车前后相邻的两辆车。