基于小波分析汽车SAS与EPS集成控制器故障诊断.doc

基于小波分析汽车SAS与EPS集成控制器故障诊断 　　【摘 要】 为了解决汽车SAS与EPS集成控制器在线故障诊断问题，提出将小波分析方法应用到SAS与EPS集成控制器的故障诊断研究。根据故障状态下集成系统输出电压信号的突变特性，利用小波分析奇异性检测原理检测出突变信息。为了能更精确地检测出突变信息，首先利用改进阈值函数对电压信号小波消噪，再对消噪后的电压信号进行故障检测。最后以SAS与EPS集成系统中实际故障诊断为例进行实验验证。结果表明，该方法能有效抑制噪声并实时检测故障，对集成控制器的安全运行及故障诊断具有重要的工程应用意义。 　　【关键词】 在线故障诊断 集成控制 小波分析 信号消噪 　　汽车半主动悬架（Semi-Active Suspension，SAS）与电动助力转向（Electric Power Steering ，EPS）集成控制系统工作原理是ECU根据各传感器（扭矩传感器、车速传感器和加速度传感器）输出电压信号决定最佳的助力和最佳的减振器阻尼*。集成控制的优势在于它可以降低悬架系统和转向系统之间的干扰，改善转向和路况因素下的汽车平顺性和操稳性[1]。在集成系统中，传感器是获取信息的工具，ECU是控制指令的发出者，二者一旦出现故障整个系统将无法有效工作，因此有必要对其进行在线监测。 　　通常传感器和ECU故障会使其输出的电压信号产生突变，如传感器内部或线路短路、断路和ECU自身性能不良、电源电压不稳等故障。基于小波分析具有良好的时频定位特性及对信号的自适应能力，非常适合捕捉信号的突变信息，在传统阈值函数的基础上，本文首先基于改进阈值函数的小波消噪方法进行电压信号消噪，其次利用小波分析突变性检测原理检测出SAS与EPS集成系统的信号突变点信息及突变时刻，从而达到在线故障检测的目的。 　　1 集成控制系统故障诊断的小波分析方法 　　针对SAS与EPS集成系统输出电压信号的实际情况，本研究应用小波分析奇异性检测方法检测出含故障的电压信号。为了能更精确的检测出故障信号，消噪环节是十分重要的。因此，在对实际故障电压信号进行检测前，首先应对信号进行消噪处理，然后再进行故障检测[2～4]。 　　1.1 基于改进阈值函数的小波消噪 ??　1.1.1 改进阈值函数 　　传统的阈值函数主要有硬阈值和软阈值两种，其应用广泛，取得了较好的效果，但是也存在一些缺陷：使用硬阈值函数时容易导致信号重构时产生震荡；使用软阈值函数时，处理前和处理后的小波系数之间总存在较大的恒定偏差，影响重构信号与真实信号的逼近程度[5～7]。 　　本文在传统阈值函数的基础上，提出一种新的改进阈值函数如式（1）所示。 　　（1） 　　与传统阈值函数相比，优点在于：（1）连续性；（2）时，改进阈值函数高阶可导；（3）去噪效果可调。 　　从而考察函数： 　　（2） 　　式中，时，，可知函数的渐近线为，即改进阈值函数的渐近线为，即，从而函数重构精度得到提高，去噪效果明显。 　　1.1.2 消噪效果对比 　　在Matlab环境下，选取测试参数对于硬阈值函数、软阈值函数和改进阈值函数进行仿真消噪，选取参数如（表1）所示，消噪后波形如（图1）所示，信噪比和均方差对比见（表2）。 　　从不同阈值函数去噪后波形及性能指标中可以得出如下结论：改进阈值函数能获得更高的信噪比和更好的离散性，且能真实的保留原信号特征。 　　1.2 故障点检测 　　选取一平滑函数的一阶导数作小波基函数，对集成控制系统输出的电压信号进行检测，可以检测出电压信号的突变点[8，9]。原理如下： 　　选取一平滑函数， 　　记，a0 （3） 　　则的一阶导数记为。以为小基波函数，信号在尺度为，位移为处的小波变换可表示为： 　　（4） 　　设为以尖峰脉冲信号，则尖峰点处对应于的过零点；设为阶跃信号，则阶跃点处对应于的极值点。 　　2 实验验证 　　2.1 故障模式分析 　　根据示波器观察，SAS与EPS集成系统中几种典型故障的电压信号波形总结如下： 　　W1：断路或永久短路引起的故障，电压信号波形表现为瞬时突变为零值； 　　W2：线束开路引起的故障，电压信号波形表现为瞬时突变为最大值； 　　W3：瞬间短路、元件故障、自身性能不良或电源电压不稳原因引起的故障，电压信号波形表现为不断地产生尖峰脉冲。 　　2.2 故障诊断实验验证 　　为了验证所提出故障诊断方法的正确性和可靠性，在DASYLabv8.0数据采集软件中搭建集成控制系统故障数据采集模型，通过WAVEBOOK/512H高速便携数据采集了某些故障的电压信号，在MATLAB环境下进行验证，数据采样频率77Hz，采样时间26s。 　　2.2.1 传感器故障 　　图2（a）为采集到的主扭矩断路电压