车辆变速箱故障检测方法
【技术领域】
[0001] 本发明属于车辆故障检测领域，具体涉及一种车辆变速箱故障检测方法。
【背景技术】
[0002] 目前，集转向与直驶功能于一体的湿式离合器定轴式变速箱在众多履带车辆得到 广泛应用，该变速箱是机、电、液等技术的有机综合，具有液力传动、液压无级转向、动力换 挡和自动变速等技术特点，该类变速箱具有高功率密度、高紧凑性和高可靠性的使用特点， 其功能完整、技术水平先进。湿式离合器变速箱显著提高履带车辆性能的同时，也带来了诸 多急需解决的问题，其中较为突出的就是如何对变速箱运行状态进行快速测试和掌控，以 保证其正常工作时良好的运行品质、发生故障征兆时的及时维护和发生故障时准确快速的 故障诊断与维修，这些问题对于变速箱的整体性能、寿命、可靠性等有着重要影响，能否及 时掌握运行状态直接关系到变速箱在使用中的完好性和车辆各种功能的发挥。因此，研究 履带车辆变速箱故障检测方法，开发车载便携式检测系统意义重大。
【发明内容】
[0003] 为了克服现有技术的不足，本发明提供一种车辆变速箱故障检测方法。
[0004] 本发明的技术方案是：一种车辆变速箱故障诊断方法，包括如下步骤：步骤一：采 集单元采集初始样本数据；步骤二：建立小波神经网络诊断模型，输入采集单元采集的数 据样本，进行样本训练；步骤三：样本训练完成后，输入采集单元采集到的实时数据，进行 故障诊断分析。所述采集单元采集的样本数据包括：变矩器油温、离合器压力、轮毂转速和 变矩器泵轮转速。所述小波神经网络故障诊断模型包括输入层、隐含层和输出层，隐含层选 取的神经元激励函数为Morlet小波：
【主权项】
1. 一种基于小波神经网络的发动机故障诊断方法，其特征在于：包括如下步骤： 步骤一：采集汽车尾气的初始样本数据； 步骤二：建立小波神经网络诊断模型，输入采集的数据样本，进行样本训练； 步骤三：样本训练完成后，输入采集到的实时数据，进行故障诊断分析，输出故障类型。
2. 根据权利要求1所述的基于小波神经网络的发动机故障诊断方法，其特征在于：所 述步骤一中汽车尾气的初始样本数据包括COyHC^CO 1和O2的含量百分数。
3. 根据权利要求1所述的基于小波神经网络的发动机故障诊断方法，其特征在于：所 述小波神经网络故障诊断模型包括输入层、隐含层和输出层，隐含层选取的神经元激励函 数为Morlet小波：
4. 根据权利要求1所述的基于小波神经网络的发动机故障诊断方法，其特征在于：所 述输入层的目标误差函数为：
式中为输出层第η个结点的期望输出；g为网络实际输出，P为输入输出样本数目。
5. 根据权利要求1所述的基于小波神经网络的发动机故障诊断方法，其特征在于：所 述隐含层的输出为：
式中：JT;:为输入层输入；（息隐含层输出；m为输入层结点；k为隐含层结点；Wkm为 隐含层节点和输入层节点之间的权值；h (·)为Morlet小波函数。
6. 根据权利要求1所述的基于小波神经网络的发动机故障诊断方法，其特征在于：所 述输出层的输出为：
式中：H为输出层输入；k为隐含层结点；η为输出层结点；w n k为隐含层节点与输 出层节点之间的权值；sig (·)为Sigmod函数。
【专利摘要】本发明涉及一种车辆变速箱故障诊断方法,属于车辆故障检测领域,包括如下步骤：步骤一：采集单元采集初始样本数据；步骤二：建立小波神经网络诊断模型，输入采集单元采集的数据样本，进行样本训练；步骤三：样本训练完成后，输入采集单元采集到的实时数据，进行故障诊断分析。本发明的变速箱故障诊断方法，采用小波神经网络，与传统神经网络相比，小波神经网络的变速箱故障诊断检测准确率有明显提升，收敛速度快。
【IPC分类】G06N3-02, G01M13-02
【公开号】CN104677629
【申请号】CN201410586460
【发明人】许其山
【申请人】芜湖杰诺瑞汽车电器系统有限公司
【公开日】2015年6月3日
【申请日】2014年10月28日