基于大数据的车辆健康管理与监测系统研究
基于大数据的车辆健康管理与监测系统研究随着新技术的发展，汽车的功能越来越多，系统越来越复杂，对维修保养带来了挑战。传统的依靠人工经验进行车辆维修和保养的方法己不能满足目前的需求，建立“视情维修”的车辆健康管理系统越来越有必要。因此，结合先进的检测技术、汽车总线技术和人工智能技术，开展车辆故障快速定位、诊断及预防的研究具有重要的理论意义和工程应用价值。
论文主要包括以下内容:
(1)结合对汽车健康状态管理的需求，研究了国内外健康管理的现状，以及PHM在航空领域和汽车领域的发展状况。
(2)分析发动机轴承的故障机理，利用振动信号对轴承内圈、外圈和滚动体表面损毁故障进行研究。基于振动信号时域、频域的特征参数，利用主成份分析法做特征提取。结合层次聚类方法的思想，根据损毁尺寸对数据分层，再利用聚类算法归并特征相近的故障。对于每层中的有标签数据利用RBF神经网络训练分类器进行故障诊断。
(3)研究发动机健康管理，结合发动机故障特点选取发动机相关部件的温度、压力等参数，结合主成份分析算法对多维数据进行降维，并在此基础上利用谱聚类算法对发动机退化状态进行划分。最后在标准数据集上进行实验，分析实验结果。
(4)研究车载电池的健康管理状态(SOH)。分析电池退化过程中放电容量变化和阻抗变化的特点，结合充放电循环次数和放电过程的平均温度对电池健康状态的变化进行预测研究。利用支持向量机回归拟合思想对车载电池的健康状态进行估计预测。
关键词:数据挖掘，健康管理，聚类算法，神经网络，SVR
页:
[1]