東柵汽車(chē)衡(城南地磅(解放汽車(chē)衡)建設(shè)地磅)新興汽車(chē)衡(郭巷汽車(chē)衡(虎丘汽車(chē)衡(胥口汽車(chē)衡)東山汽車(chē)衡)城南汽車(chē)衡多傳感器相關(guān)性與智能容錯(cuò)方法研究:
汽車(chē)衡傳感器是自動(dòng)化設(shè)備的核心部件,傳感器故障檢測(cè)顯得尤為重要.考慮到汽車(chē)維修,目前的困難的維護(hù),確定有效精度的傳感器故障,提出了采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBFNN)初始化數(shù)據(jù)庫(kù)值預(yù)測(cè)專(zhuān)家系統(tǒng)的方法.現(xiàn)場(chǎng)測(cè)試的準(zhǔn)確率在96%以上,可以有效地、方便地確定傳感器的質(zhì)量,并確定故障傳感器的位置.
專(zhuān)家系統(tǒng)是人工智能技術(shù)的一個(gè)重要分支，其主要表現(xiàn)是它可以模仿人類(lèi)專(zhuān)家額的思維來(lái)解決特定領(lǐng)域中的復(fù)雜問(wèn)題。專(zhuān)家系統(tǒng)必須包含大量的領(lǐng)域?qū)＜业闹R(shí)，并具備推理的能力和解決實(shí)際問(wèn)題的能力。
稱(chēng)重傳感器是靜態(tài)地磅的重要組成部件，由于使用環(huán)境大多都在室外露天環(huán)境，受到雨水或潮濕空氣的影響易于出現(xiàn)性能蛻化、故障，甚至失效，將給后續(xù)的檢測(cè)、控制及其診斷等帶來(lái)一系列的影響，產(chǎn)生誤診斷、誤警報(bào)，甚至造成不可估量的損失。為了避免傳感器故障或失效帶來(lái)的嚴(yán)重后果，需要對(duì)傳感器的故障或失效進(jìn)行甄別，基礎(chǔ)的方法就是人工定期校準(zhǔn)，但人工校準(zhǔn)不但耗費(fèi)人力、物力，而且絕大部分情況下根本無(wú)法進(jìn)行。
目前傳感器故障診斷方法普遍有：冗余法診斷、人工神經(jīng)網(wǎng)絡(luò)方法等，這些方法都需要利用傳感器輸出之間的關(guān)系，在多路傳感器相關(guān)系的前提下，本文提出了基于專(zhuān)家系統(tǒng)的傳感器故障檢測(cè)，利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)擬合值和實(shí)測(cè)值，初始化專(zhuān)家系統(tǒng)數(shù)據(jù)庫(kù)，為決策提供數(shù)據(jù)依據(jù)。
近年來(lái)，各種故障診斷和智能故障診斷方法迅速發(fā)展起來(lái)，對(duì)汽車(chē)有多傳感器系統(tǒng)的典型特征，神經(jīng)網(wǎng)絡(luò)方法用于其它傳感器的故障診斷與容錯(cuò)方法具有重要的參考價(jià)值，徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)由于其具有較強(qiáng)的非線(xiàn)性函數(shù)逼近能力和自我學(xué)習(xí)功能，收斂速度快、魯棒性好，無(wú)局部極小點(diǎn)，已廣泛應(yīng)用于系統(tǒng)建模、函數(shù)逼近、非線(xiàn)性估計(jì)等；地磅稱(chēng)重傳感器輸出相互關(guān)聯(lián)的，它們之間存在非線(xiàn)性關(guān)系，建立與RBF神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)網(wǎng)絡(luò)的核心，構(gòu)件函數(shù)模型，當(dāng)傳感器故障，估計(jì)傳感器正常輸出，和其它正常的稱(chēng)重傳感器信號(hào)，完成任意傳感器失效狀態(tài)下地磅的準(zhǔn)確稱(chēng)重，以避免采用傳統(tǒng)方法所導(dǎo)致的稱(chēng)重系統(tǒng)失效。
1.靜態(tài)稱(chēng)重系統(tǒng)
靜態(tài)稱(chēng)重系統(tǒng)主要有稱(chēng)重傳感器和測(cè)量軟件組成，包括承重臺(tái)、稱(chēng)重儀表和計(jì)算機(jī)，根據(jù)稱(chēng)重秤的設(shè)計(jì)，一般具有4-12路稱(chēng)重傳感器，它是根據(jù)一定的拓?fù)浣Y(jié)構(gòu)，在地磅負(fù)荷傳感器的負(fù)載下分布的，由于承重臺(tái)面的機(jī)械構(gòu)造特殊，它不僅體積大、自重高，因此，安裝和維修都很困難。
2.專(zhuān)家系統(tǒng)
專(zhuān)家系統(tǒng)故障診斷方法，主要用于那些沒(méi)有數(shù)學(xué)模型或很難建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)，其診斷過(guò)程是當(dāng)計(jì)算機(jī)收到故障信息后，綜合運(yùn)用各種規(guī)則一系列的推理，快速找到有可能的終故障或故障傳感器。專(zhuān)家系統(tǒng)是一種模擬專(zhuān)家決策能力的計(jì)算機(jī)系統(tǒng)，它由知識(shí)庫(kù)、數(shù)據(jù)庫(kù)、人機(jī)界面、推理機(jī)和解釋系統(tǒng)組成。它的核心是知識(shí)庫(kù)和推理機(jī)。專(zhuān)家系統(tǒng)的性能和解決問(wèn)題的能力取決于知識(shí)的數(shù)量和質(zhì)量。數(shù)據(jù)庫(kù)用于存儲(chǔ)初始數(shù)據(jù)和推理過(guò)程中得到的中間數(shù)；推理機(jī)其實(shí)是一套計(jì)算機(jī)程序，通過(guò)人機(jī)接口采集數(shù)據(jù)，并結(jié)合知識(shí)庫(kù)進(jìn)行推理決策和解決問(wèn)題；解釋器即向用戶(hù)解釋專(zhuān)家系統(tǒng)的行為，人機(jī)界面是人與機(jī)器之間的接口，它用來(lái)將專(zhuān)家的輸入信息轉(zhuǎn)化為機(jī)器語(yǔ)言，并輸出系統(tǒng)的輸出反饋信息。
3.在軟件中的應(yīng)用
在基于規(guī)則的診斷專(zhuān)家系統(tǒng)中，領(lǐng)域?qū)＜业闹R(shí)和經(jīng)驗(yàn)都表示為生產(chǎn)規(guī)則，一般形式是：if<前提>then<結(jié)論>其中的前提是，該模型可以匹配的數(shù)據(jù)，并得出結(jié)論時(shí)，可以得出滿(mǎn)意的結(jié)論。基于規(guī)則的診斷知識(shí)表示形式直觀、形式化，解決了小規(guī)模問(wèn)題時(shí)的效率高的問(wèn)題。故障診斷是靜態(tài)稱(chēng)重軟件的一部分，在程序中添加一個(gè)簡(jiǎn)單的判別語(yǔ)句、人機(jī)交互界面可以很直觀的顯示各種傳感器的當(dāng)前狀態(tài)，通過(guò)判斷檢測(cè)閥值的大小和故障傳感器的數(shù)量，它可以快速、有效地確定故障傳感器的位置。
4.結(jié)束語(yǔ)
根據(jù)目前車(chē)輛規(guī)模的維護(hù)和維修的難度，基于RBF神經(jīng)網(wǎng)絡(luò)的專(zhuān)家系統(tǒng)提出了初始化數(shù)據(jù)庫(kù)，專(zhuān)家系統(tǒng)中的傳感器故障，數(shù)據(jù)預(yù)測(cè)的RBF神經(jīng)網(wǎng)絡(luò)實(shí)時(shí)擬合，而不是大量的數(shù)據(jù)，傳統(tǒng)的數(shù)據(jù)庫(kù)，只有少量的信息通過(guò)稱(chēng)重可以有效地進(jìn)行故障診斷。通過(guò)多次現(xiàn)場(chǎng)采集、計(jì)算、靜態(tài)測(cè)試，得出該方法準(zhǔn)確率達(dá)到96%以上，為系統(tǒng)的檢修和維護(hù)節(jié)省了大量的人力和物力。