基于大數(shù)據(jù)的車輛健康管理與監(jiān)測(cè)系統(tǒng)研究.pdf

1、隨著新技術(shù)的發(fā)展，汽車的功能越來(lái)越多，系統(tǒng)越來(lái)越復(fù)雜，對(duì)維修保養(yǎng)帶來(lái)了挑戰(zhàn)。傳統(tǒng)的依靠人工經(jīng)驗(yàn)進(jìn)行車輛維修和保養(yǎng)的方法已不能滿足目前的需求，建立“視情維修”的車輛健康管理系統(tǒng)越來(lái)越有必要。因此，結(jié)合先進(jìn)的檢測(cè)技術(shù)、汽車總線技術(shù)和人工智能技術(shù)，開展車輛故障快速定位、診斷及預(yù)防的研究具有重要的理論意義和工程應(yīng)用價(jià)值。
　　論文主要包括以下內(nèi)容:
　　(1)結(jié)合對(duì)汽車健康狀態(tài)管理的需求，研究了國(guó)內(nèi)外健康管理的現(xiàn)狀，以及PHM在航空

2、領(lǐng)域和汽車領(lǐng)域的發(fā)展?fàn)顩r。
　　(2)分析發(fā)動(dòng)機(jī)軸承的故障機(jī)理，利用振動(dòng)信號(hào)對(duì)軸承內(nèi)圈、外圈和滾動(dòng)體表面損毀故障進(jìn)行研究。基于振動(dòng)信號(hào)時(shí)域、頻域的特征參數(shù)，利用主成份分析法做特征提取。結(jié)合層次聚類方法的思想，根據(jù)損毀尺寸對(duì)數(shù)據(jù)分層，再利用聚類算法歸并特征相近的故障。對(duì)于每層中的有標(biāo)簽數(shù)據(jù)利用RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練分類器進(jìn)行故障診斷。
　　(3)研究發(fā)動(dòng)機(jī)健康管理，結(jié)合發(fā)動(dòng)機(jī)故障特點(diǎn)選取發(fā)動(dòng)機(jī)相關(guān)部件的溫度、壓力等參數(shù)，結(jié)合主成份