一种车辆减震器缺陷诊断方法、系统、设备及介质技术方案

本发明专利技术属于缺陷诊断技术领域，具体公开了一种车辆减震器缺陷诊断方法、系统、设备及介质，包括：收集车辆的各项数据并进行预处理；通过深度学习架构提取故障诊断的特征，输出故障分类结果；深度学习架构包括：引入SE模块的卷积神经网络、池化层、全连接层和ReLU。本发明专利技术将预处理后的数据输入至深度学习架构，通过引入SE模块的卷积神经网络对数据进行卷积，得到特征图，通过SE模块能够判断哪些特征图对分类问题的最优解贡献最大；通过池化层和全连接层对特征进行提取分类，再通过ReLU进行故障分类诊断；本发明专利技术能够对无人驾驶车辆底盘的减震器进行缺陷检测，且不需要多个传感器就可进行，使用基础数据的算法，能够确保检测结果的准确，提高车辆安全性。提高车辆安全性。提高车辆安全性。

【技术实现步骤摘要】
一种车辆减震器缺陷诊断方法、系统、设备及介质


[0001]本专利技术属于缺陷诊断
，具体涉及一种车辆减震器缺陷诊断方法、系统、设备及介质。

技术介绍

[0002]对于无人驾驶车辆的监测十分重要，自动驾驶的一个主要挑战是将状态检测的责任从司机转移到计算机系统，由于底盘部件对车辆稳定性有重大影响，监测它们并诊断任何缺陷都是很重要的，也是实现高水平自动化的先决条件。现代汽车中数据的高可用性以及机器学习领域的当前趋势使得基于数据的底盘部件故障监测成为可能。
[0003]尽管减震器缺陷在车辆缺陷中占了很大比例，但是只有少数几个系统可以监测减震器。对于故障检测和隔离系统，现有技术中不需要额外的传感器，而是使用基础数据的算法，大规模生产的汽车的成本驱动的发展在任何情况下都会导致功能越来越多地在软件中实现，信息技术在汽车中行业发挥重要作用。

技术实现思路

[0004]为了克服现有技术的缺点，本专利技术的目的在于提供一种车辆减震器缺陷诊断方法、系统、设备及介质，以解决现有技术中进行故障检测需要使用多个传感器，并且对于无人驾驶车辆中减本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆减震器缺陷诊断方法，其特征在于，包括：S1：收集车辆运行的各项数据并进行预处理；S2：将预处理后的数据输入至深度学习架构，通过引入SE模块的卷积神经网络对数据进行卷积，得到特征图；通过池化层和全连接层对特征进行提取分类，再通过ReLU进行故障分类诊断，输出故障分类结果。2.根据权利要求1所述的一种车辆减震器缺陷诊断方法，其特征在于，收集数据前通过改变阀门电流，模拟出风门的缺陷行为；在不同的表面上进行了不同车轮速的试车；对单个和所有风门的电流供应是变化的，模拟单个缺陷和多个缺陷。3.根据权利要求1所述的一种车辆减震器缺陷诊断方法，其特征在于，所述车辆运行的各项数据包括偏航率、横纵向加速度、转向角和轮速。4.根据权利要求3所述的一种车辆减震器缺陷诊断方法，其特征在于，所述偏航率和转向角通过访问总线通信获得防抱死制动系统和车身电子稳定系统的数据，收集由偏航率传感器测量的偏航率和转向角。5.根据权利要求1所述的一种车辆减震器缺陷诊断方法，其特征在于，所述预处理具体包括：将收集的数据切割和过滤，一个测量文件被划分为多个序列，序列长度固定，数据点数相同，进行标准化，使用离散傅里叶变换信号处理方法：其中X(k)表示DFT变换后的数据，N表示傅里叶变换的点数，k表示傅里叶变换的第k个频谱，x(n)为采样的模拟信号，x(n)为复信号或实信号，虚部为0，公式展开为：采用短时傅里叶变换进行处理：R
ij
＝θ(ε
‑
||X
i
‑
X
j
||)对于时间序列信号u
k
(k＝1,2,...,n)，确定其采样时间间隔为Δt，确定嵌入维度m以及延迟时间τ，对事件序列进行重构，重构后的动力系统为：x
i
＝[u
i
,u
i+τ
,...,u
i+(m
‑
1)τ
]重构后相空间中i点x
i
和j点x
j
的距离：S
ij

【专利技术属性】
技术研发人员：葛戈，李小翔，张燧，邸智，黄思皖，杨永前，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：