CN110525513B - 一种线控转向***的故障监测方法和故障监测*** - Google Patents
一种线控转向***的故障监测方法和故障监测*** Download PDFInfo
- Publication number
- CN110525513B CN110525513B CN201910939808.9A CN201910939808A CN110525513B CN 110525513 B CN110525513 B CN 110525513B CN 201910939808 A CN201910939808 A CN 201910939808A CN 110525513 B CN110525513 B CN 110525513B
- Authority
- CN
- China
- Prior art keywords
- sensor
- input signal
- signal
- output signal
- wavelet transformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D5/00—Power-assisted or power-driven steering
- B62D5/04—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear
- B62D5/0457—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such
- B62D5/0481—Power-assisted or power-driven steering electrical, e.g. using an electric servo-motor connected to, or forming part of, the steering gear characterised by control features of the drive means as such monitoring the steering system, e.g. failures
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
本发明公开了一种线控转向***的故障监测方法和和故障监测***,该故障监测***包括传感器单元、信号采集单元、数据处理单元和故障监测单元;信号采集单元采集传感器单元的传感器输入信号和传感器输出信号并发送给数据处理单元;数据处理单元接收信号采集单元输出的传感器输入信号和传感器输出信号,并执行以下步骤:对传感器输入信号和传感器输出信号做连续小波变换,获得传感器输入信号小波变换和传感器输出信号小波变换;求取各小波变换尺度下的传感器输入信号小波变换和传感器输出信号小波变换的***残差;输出***残差中的奇异点;故障监测单元接收数据处理单元输出的***残差的奇异点,奇异点触发故障监测单元的故障警示。
Description
技术领域
本发明涉及线控转向***领域,尤其涉及一种线控转向***的故障监测方法和故障监测***。
背景技术
汽车线控转向***由方向盘总成、转向执行总成和主控制器(ECU)三个主要部分以及自动防故障***、电源等辅助***组成。
方向盘总成包括方向盘、方向盘转角传感器、力矩传感器、方向盘回正力矩电机。方向盘总成的主要功能是将驾驶员的转向意图(通过测量方向盘转角)转换成数字信号,并传递给主控制器;同时接受主控制器送来的力矩信号,产生方向盘回正力矩,以提供给驾驶员相应的路感信息。转向执行总成包括前轮转角传感器、转向执行电机、转向电机控制器和前轮转向组件等组成。转向执行总成的功能是接受主控制器的命令,通过转向电机控制器控制转向车轮转动,实现驾驶员的转向意图。
主控制器对采集的信号进行分析处理,判别汽车的运动状态,向方向盘回正力电机和转向电机发送指令,控制两个电机的工作,保证各种工况下都具有理想的车辆响应,以减少驾驶员对汽车转向特性随车速变化的补偿任务,减轻驾驶员负担。同时控制器还可以对驾驶员的操作指令进行识别,判定在当前状态下驾驶员的转向操作是否合理。当汽车处于非稳定状态或驾驶员发出错误指令时,线控转向***会将驾驶员错误的转向操作屏蔽,而自动进行稳定控制,使汽车尽快地恢复到稳定状态。
主控制器对采集的信号的分析处理,一般是基于解析模型、基于知识和基于信号处理的三类基本故障诊断方法,发展出的具体诊断方法有:解析冗余法、硬件冗余法、卡尔曼滤波器方法以及支持向量机(SVM)的方法等。
其中,解析冗余法是利用***中原本存在的其他传感器与进行故障诊断的传感器潜在的冗余关系,借助一定的算法估计出需要进行诊断的传感器量测值,比较形成残差,进而对分析残差判断故障。对于线控转向***,车轮转角是个很重要的量,负责测量车轮转角的转角传感器就需要被诊断。在不增加转角传感器的情况下,利用***中原有的侧向加速度传感器和横摆角速度传感器,通过状态估计算法可以构造出两个转角信号。得到的两个估计信号和转角传感器的测量信号比较,构造残差序列,不但可以诊断转角传感器,还可以对侧向加速度传感器、横摆角速度传感器、电流传感器进行故障诊断。
但以上诊断方法在实际应用中,由于非线性***的复杂性、多样性,使得许多控制***的建模非常困难,故障诊断要求得到***的在线状态或参数估计的手段并不多,尤其在被监控***的模型不确定,噪声的统计特性不理想时,要求得到非线性***比较准确的在线状态或参数估计更加困难。因此,为了解决上述技术问题,需要一种新的针对线控转向***故障的监测方法。
发明内容
有鉴于现有技术的上述缺陷,本发明的目的是提供一种不依赖控制***解析模型的线控转向***的故障监测方法和故障监测***,不需要对象的数学模型,从而回避了抽取对象数学模型的难点。
为实现上述目的,本发明提供了以下技术方案:
一种线控转向***的故障监测方法,包括以下步骤:
对传感器输入信号和传感器输出信号做连续小波变换,获得传感器输入信号小波变换和传感器输出信号小波变换;
求取各小波变换尺度下的传感器输入信号小波变换和传感器输出信号小波变换的***残差;
输出***残差中的奇异点;
根据输出的***残差的奇异点,由所述奇异点触发故障警示。
进一步的,所述连续小波变换及求取***残差,具体包括以下步骤:
S1,建立状态方程:
Y(s)=G(s)U(s)+ΔG(s)U(s)+E(s)
式中,Y(s)、U(s)、E(s)分别表示输出信号y(t)、输入信号u(t)和噪声信号e(t)的拉氏变换,G(s)表示传感器***的传递函数,△G(s)表示传感器***的参数变化;E(s)表示平稳随机噪声,其均值为零;
S2,建立假设:假设输入信号u(t)为已知分段平稳随机信号,其故障与突变发生于不同时间;G(s)在原点处不存在零点和奇异点,故障发生时,△G(s)≠0;
输入信号u(t)的小波变换均值为0,方差随尺度增加而逐渐趋于0;
在未发生故障时,输出信号y(t)的小波变换Wy(s,t)在尺度s足够大时,满足
Wy(s,t)≈K*Wu(s,t)
式中,Wy(s,t)为输出信号y(t)的小波变换,Wu(s,t)为输入信号u(t)的小波变换,s为小波变换的尺度,t为小波变换的时间点,K通过以下公式获得:
S3,当输入信号u(t)的均值不恒为0时,***残差r(t)为:
r(t)=Wy(s,t)-K*Wu(s,t)
当输入信号的均值恒为0时,***残差r(t)为:
r(t)=|Wy(s,t)|-|K*Wu(s,t)|
S4,检测r(t)的奇异点及出现奇异点的时刻。
进一步的,所述故障监测方法,还包括历史数据的存储步骤:将实时的传感器输入信号、传感器输出信号和***残差的奇异点数据进行存储,形成历史数据。
一种线控转向***的故障监测***,包括传感器单元、信号采集单元、数据处理单元和故障监测单元;
所述信号采集单元用于采集所述传感器单元的传感器输入信号和传感器输出信号并发送给数据处理单元;
所述数据处理单元用于接收所述信号采集单元输出的传感器输入信号和传感器输出信号,并执行以下步骤:对传感器输入信号和传感器输出信号做连续小波变换,获得传感器输入信号小波变换和传感器输出信号小波变换;求取各小波变换尺度下的传感器输入信号小波变换和传感器输出信号小波变换的***残差;输出***残差中的奇异点;
所述故障监测单元用于接收所述数据处理单元输出的***残差的奇异点,由所述奇异点触发所述故障监测单元的故障警示。
进一步的,所述线控转向***还包括非易失存储器,所述非易失存储器用于存储所述数据处理单元和故障检测单元的实时数据。
与现有技术相比,本发明的优点是:
本发明的线控转向***的故障监测方法通过对线控转向***的各传感器的输入信号、输出信号的共同监测,及通过小波变换获取各尺度下的输入信号小波变换和输出信号小波变换的***残差,从而获得***残差的奇异点,该奇异点即传感器监测的故障点;本方法监测各尺度下的输入信号小波变换和输出信号小波变换的***残差,不依赖控制***解析模型,不需要所监测对象的数学模型,从而回避了抽取对象数学模型的难点。
附图说明
图1是本发明的线控转向***的工作流程图;
图2是本发明的线控转向***的***框图;
图3是传感器的输入信号、正常输出信号及故障输出信号的时域图;
图4是输入信号和故障输出信号各尺度小波变换的***残差图。
具体实施方式
为进一步说明各实施例,本发明提供有附图。这些附图为本发明揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。
现结合附图和具体实施方式对本发明进一步说明。
如图1所示,本发明公开了一种线控转向***,包括传感器单元102、信号处理单元103、数据处理单元104、故障监控单元105和存储器106。
传感器单元102采集线控转向***中的所对应的***装置101的状态信息并经适当处理后输出,从而形成传感器单元102的输入信号和输出信号,传感器单元102的输入信号和输出信号发送给信号处理单元103;信号处理单元103接收传感器单元102的输入信号和输出信号,经放大、滤波处理后发送给数据处理单元104;数据处理单元104对输入信号和输出信号进行连续小波变换处理,并求取计算结果,该结果为各小波变换尺度下的输入信号和输出信号之间的***残差;数据处理单元104将计算结果发送给故障监控单元105;由故障监控单元105对计算结果中的奇异点进行实时的监控。
数据处理单元104的原始数据、计算结果和故障监控单元105的历史数据等信息存储于存储器106中,以提供进一步的分析。
如图2所示的是线控转向***的***框图。与图1对应的,
***装置101包括方向盘1、前轮11、转向助力电机8和方向盘回正力矩电机4等装置,需要通过相应的传感器来获取驾驶员的转向意图(方向盘转角)、前轮转角、电机的实时工作电流、转速、扭矩等信息;
传感器单元102包括方向盘传感器2(包括转矩传感器、转角传感器等)、转向传感器10(包括侧向加速度传感器、横摆角速度传感器、轮胎角度传感器等)和电机电流传感器9等。
信号处理单元103包括信号放大器7和信号滤波器6;各传感器的输入信号和输出信号通过CAN总线3发送给信号放大器7;信号放大器7和信号滤波器6对各传感器的输入信号和输出信号进行放大过滤,一是增强信号的传递,保证数据的完整性;二是去除对监测无用的信号,保证数据的准确性。
数据处理单元104对应主控制器5;主控制器5用于整车控制,线控转向为主控制器5的一功能模块。
存储单元106对应为存储器15;数据处理单元104和故障监控单元105与存储器15连接,对输入信号、输出信号的原始数据、计算结果等数据进行保存,从而便于后续的故障诊断分析工作。为保证数据的安全,存储器15为Flash等非易失存储器。
故障监控单元包括监控服务器16、声光报警器13、14和液晶显示器12,主控制器5的计算结果通过监控服务器16,再以声光报警器13、14和液晶显示器12的形式来实现线控转向***的故障监测。
在线控转向***中,数据总线具体采用高速容错的通信CAN总线3,便于实现***的自动化、智能化、网络化与信息化。
数据处理单元104对输入信号和输出信号进行连续小波变换处理,并获得并求取计算结果,具体做如下说明。
在线控转向***,各传感器为一个单输入单输出的线性***,可以用线性***参数的变化来模拟传感器的突发故障,如下所示:
Y(s)=G(s)U(s)+ΔG(s)U(s)+E(s) (1)
(1)式中,Y(s)、U(s)、E(s)分别表示输出信号、输入信号和噪声信号的拉氏变换,拉氏变换是一个线性变换,可将一个有参数实数t(t≥0)的函数转换为一个参数为复数s的函数。G(s)表示传感器***的传递函数,△G(s)表示***的参数变化;E(s)表示平稳随机噪声,其均值为零。
线控转向***的传感器,如方向盘传感器2、转向传感器10和电机电流传感器9等均满足以下假设条件:
(1)假设u(t)为已知分段平稳随机信号,其故障与突变发生于不同时间;
(2)G(s)在原点处不存在零点和极值点,故障发生时,△G(s)≠0;
因此认为,线性转向***可采用小波变换进行分析,传感器的输入信号为平稳随机信号时,采用小波变换分析具有以下特点:
(1)平稳随机信号的小波变换均值为零,方差随尺度增大而逐渐趋于零;
(2)未发生故障时,上述传感器的输出信号小波变换在尺度足够大时近似等于输入信号小波变换与系数K的乘积,即:
Wy(s,t)≈K*Wu(s,t) (2)
(2)式中,Wy(s,t)为输出信号y(t)的小波变换,Wu(s,t)为输入信号u(t)的小波变换,s为小波变换的尺度,t为小波变换的时间点;K在实际中一般用公式(3)求得:
因设定的参考电平的不同,输入信号包括两种情况:第一种情况,输入信号均值不恒为零;第二种情况,输入信号均值恒为零。
就这两种情况分别说明。
在第一种情况,当输入信号均值不恒为零时,设***残差有如下公式:
r(t)=Wy(s,t)-K*Wu(s,t) (4)
如果传感器未发生故障,由式(2)知,即使u(t)发生信号突变,随着尺度的增大,***残差r(t)也将趋于零;如果传感器发生了故障,那么输出信号的均值就会发生突变,而输入信号小波变换的均值由于输入信号瞬时是平稳随机信号而保持不变,所以此时的***残差r(t)随着尺度s增大将出现明显增大或缓慢衰减的奇异点,同时输入信号小波变换将趋于零。
在第二种情况,当输入信号均值恒为零时,则设***残差有如下公式:
r(t)=|Wy(s,t)|-|K*Wu(s,t)| (5)
如果传感器未发生故障,同样由式(2)知,在尺度s较大时输入信号的方差即使发生突变,***残差也将趋于零。如果传感器发生故障,输出信号小波变换的方差和均值都将随着信号方差的变化而变化,而输入信号小波变换的均值由于输入信号瞬时是平稳随机信号而保持不变,所以此时的***残差r(t)随着尺度s增大将出现明显增大或缓慢衰减的奇异点(所谓奇异点是指远离分布整体的量测值),,同时输入信号小波变换将趋于零。
本发明的线控转向***的故障监测方法通过对线控转向***的各传感器的输入信号、输出信号的共同监测,及通过小波变换获取各尺度下的输入信号小波变换和输出信号小波变换的***残差,从而获得***残差的奇异点,该奇异点即传感器监测的故障点;本方法监测各尺度下的输入信号小波变换和输出信号小波变换的***残差,不依赖控制***解析模型,不需要所监测对象的数学模型,从而回避了抽取对象数学模型的难点。
本故障监测方法将监测的重心放在信号的收集、处理和分析方面,使得监测***故障的准确性更高且适用性较强。并且在整个***中加入了存储单元和监控单元,在实时有效的监测***故障的同时,更便于后续的***故障诊断分析工作。
二、开路故障仿真
在本实施例中,我们选取线控转向***中一种具有代表性的典型故障-开路故障进行仿真,从而验证小波变换的方法能否监测线控转向***故障的发生。
在仿真前,做了以下合理假设:
(1)线控转向***出现故障仅限于***正常工作的状态下,即假定仿真过程***初始时处于正常工作状态;
(2)该故障监测是针对线控转向***的某一传感器的某一工况进行的;
(3)假定传感器为一个单输入单输出***,设定其传递函数为:
设正常运行时***参数为:a=9,b=25,c=4,d=9,其他前提假设不变。根据传感器实际使用情况,本实验只考虑u(t)均值不为零的状态,因此将u(t)设置为分段平稳随机信号,它的均值在t=60s的时刻从0.5突变成2,干扰信号e(t)采用高斯白噪声,其方差为0.1。
线控转向***的开路故障是由于信号线断、焊点脱焊等不可抗拒的物理原因造成的。在这里的仿真试验中为了模拟开路故障的发生,我们令线控转向***的信号在某一时刻突然接近输出的最大值。假设在140s时线控转向***发生开路故障,设其最大输出为恒定值8,采样时间取为0.01s,得到线控转向***发生开路故障时的输入信号、正常输出信号、故障输出信号,如图3所示。
对将输入信号和输出信号进行不同尺度的小波变换,获得多个***残差的极值图,如图4所示,分别为尺度为2、4、8下的***残差的极值图。
如图4所示,清晰显示在140s时刻检测出***残差的奇异点,该奇异点在尺度为2、4、8下的***残差的极值图均被清晰显示,从而表明该时刻出现一故障点。说明了利用连续小波变换的方法能够很好地检测出***发生开路故障的时刻。在该实施例中,我们选取的开路故障是一种典型的线控转向***的故障类型,通过仿真分析,可获得理想的故障监测结果。其余的线控转向***故障监测和故障类型诊断方法和仿真建模思路大致相同,在此不再一一列出。
尽管结合优选实施方案具体展示和介绍了本发明,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本发明的精神和范围内,在形式上和细节上可以对本发明做出各种变化,均为本发明的保护范围。
Claims (4)
1.一种线控转向***的故障监测方法,其特征在于,包括以下步骤:
对传感器输入信号和传感器输出信号做连续小波变换,获得传感器输入信号小波变换和传感器输出信号小波变换;
求取各小波变换尺度下的传感器输入信号小波变换和传感器输出信号小波变换的***残差;
输出***残差中的奇异点;
根据输出的***残差的奇异点,由所述奇异点触发故障警示;
所述连续小波变换及求取***残差,具体包括以下步骤:
S1,建立状态方程:
Y(s)=G(s)U(s)+ΔG(s)U(s)+E(s)
式中,Y(s)表示输出信号y(t)的拉氏变换,U(s)表示输入信号u(t)的拉氏变换,G(s)表示传感器***的传递函数,ΔG(s)表示传感器***的参数变化;E(s)表示噪声信号e(t)的拉氏变换,其均值为零;
S2,建立假设:假设输入信号u(t)为已知分段平稳随机信号,其故障与突变发生于不同时间;G(s)在原点处不存在零点和奇异点,故障发生时,ΔG(s)≠0;
输入信号u(t)的小波变换均值为0,方差随尺度增加而逐渐趋于0;
在未发生故障时,输出信号y(t)的小波变换Wy(s,t)在尺度s足够大时,满足
Wy(s,t)≈K*Wu(s,t)
式中,Wy(s,t)为输出信号y(t)的小波变换,Wu(s,t)为输入信号u(t)的小波变换,s为小波变换的尺度,t为小波变换的时间点,K通过以下公式获得:
S3,当输入信号u(t)的均值不恒为0时,***残差r(t)为:
r(t)=Wy(s,t)-K*Wu(s,t)
当输入信号的均值恒为0时,***残差r(t)为:
r(t)=|Wy(s,t)|-|K*Wu(s,t)|
S4,检测r(t)的奇异点及出现奇异点的时刻。
2.如权利要求1所述的线控转向***的故障监测方法,其特征在于:还包括历史数据的存储步骤:将实时的传感器输入信号、传感器输出信号和***残差的奇异点数据进行存储,形成历史数据。
3.一种线控转向***的故障监测***,其特征在于:包括传感器单元、信号采集单元、数据处理单元和故障监测单元;
所述信号采集单元用于采集所述传感器单元的传感器输入信号和传感器输出信号并发送给数据处理单元;
所述数据处理单元用于接收所述信号采集单元输出的传感器输入信号和传感器输出信号,并执行以下步骤:
对传感器输入信号和传感器输出信号做连续小波变换,获得传感器输入信号小波变换和传感器输出信号小波变换;
求取各小波变换尺度下的传感器输入信号小波变换和传感器输出信号小波变换的***残差;
输出***残差中的奇异点;
所述故障监测单元用于接收所述数据处理单元输出的***残差的奇异点,由所述奇异点触发所述故障监测单元的故障警示;
所述数据处理单元所执行的步骤中的所述连续小波变换及求取***残差,进一步包括以下步骤:
S1,建立状态方程:
Y(s)=G(s)U(s)+ΔG(s)U(s)+E(s)
式中,Y(s)表示输出信号y(t)的拉氏变换,U(s)表示输入信号u(t)的拉氏变换,G(s)表示传感器***的传递函数,ΔG(s)表示传感器***的参数变化;E(s)表示噪声信号e(t)的拉氏变换,其均值为零;
S2,建立假设:假设输入信号u(t)为已知分段平稳随机信号,其故障与突变发生于不同时间;G(s)在原点处不存在零点和奇异点,故障发生时,ΔG(s)≠0;
输入信号u(t)的小波变换均值为0,方差随尺度增加而逐渐趋于0;
在未发生故障时,输出信号y(t)的小波变换Wy(s,t)在尺度s足够大时,满足
Wy(s,t)≈K*Wu(s,t)
式中,Wy(s,t)为输出信号y(t)的小波变换,Wu(s,t)为输入信号u(t)的小波变换,s为小波变换的尺度,t为小波变换的时间点,K通过以下公式获得:
S3,当输入信号u(t)的均值不恒为0时,***残差r(t)为:
r(t)=Wy(s,t)-K*Wu(s,t)
当输入信号的均值恒为0时,***残差r(t)为:
r(t)=|Wy(s,t)|-|K*Wu(s,t)|
S4,检测r(t)的奇异点及出现奇异点的时刻。
4.如权利要求3所述的故障监测***,其特征在于:所述线控转向***还包括非易失存储器,所述非易失存储器用于存储所述数据处理单元和故障检测单元的实时数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939808.9A CN110525513B (zh) | 2019-09-30 | 2019-09-30 | 一种线控转向***的故障监测方法和故障监测*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910939808.9A CN110525513B (zh) | 2019-09-30 | 2019-09-30 | 一种线控转向***的故障监测方法和故障监测*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110525513A CN110525513A (zh) | 2019-12-03 |
CN110525513B true CN110525513B (zh) | 2020-12-15 |
Family
ID=68671435
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910939808.9A Active CN110525513B (zh) | 2019-09-30 | 2019-09-30 | 一种线控转向***的故障监测方法和故障监测*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110525513B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111497866B (zh) * | 2020-04-01 | 2022-08-05 | 南京航空航天大学 | 一种基于改进马氏距离的转向盘转角传感器故障诊断方法 |
CN113904838A (zh) * | 2021-09-30 | 2022-01-07 | 北京天融信网络安全技术有限公司 | 一种传感器数据检测方法、装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004030685A1 (de) * | 2003-06-24 | 2005-02-03 | Visteon Global Technologies, Inc., Dearborn | System zur FEhlererkennung in einem Steer-by-wire-Lenksystem |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN108657270A (zh) * | 2018-06-11 | 2018-10-16 | 南京航空航天大学 | 一种车辆线控转向***、容错控制方法及故障诊断方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2016309710B2 (en) * | 2015-08-14 | 2020-12-24 | Crown Equipment Corporation | Model based diagnostics based on steering model |
-
2019
- 2019-09-30 CN CN201910939808.9A patent/CN110525513B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102004030685A1 (de) * | 2003-06-24 | 2005-02-03 | Visteon Global Technologies, Inc., Dearborn | System zur FEhlererkennung in einem Steer-by-wire-Lenksystem |
CN103914617A (zh) * | 2014-03-25 | 2014-07-09 | 北京交通大学 | 地铁车辆转向架轴承的故障诊断方法 |
CN108657270A (zh) * | 2018-06-11 | 2018-10-16 | 南京航空航天大学 | 一种车辆线控转向***、容错控制方法及故障诊断方法 |
Non-Patent Citations (1)
Title |
---|
汽车线控转向***故障诊断方法研究;姜国彬;《中国优秀硕士学位论文全文数据库,工程科技Ⅱ辑》;20090915(第09期);第8-16页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110525513A (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110525513B (zh) | 一种线控转向***的故障监测方法和故障监测*** | |
CN112162545B (zh) | 一种汽车故障诊断方法及*** | |
CN102257448B (zh) | 使用切换模型对信号进行滤波的方法和设备 | |
DE102017112952A1 (de) | Schätzung einer fahrerabsicht ohne drehmomentsensorsignal | |
JP2017526075A (ja) | 統合イベントレコーダを備える、パワーステアリング計算機のような、車両用計算機 | |
EP3760398B1 (en) | Abnormality detecting device and abnormality detecting method | |
KR20190025474A (ko) | 플랜트 데이터 예측 장치 및 방법 | |
CN108068882A (zh) | 控制转向***的方法 | |
US20200184373A1 (en) | Recurrent Gaussian Mixture Model For Sensor State Estimation In Condition Monitoring | |
WO2020121849A1 (ja) | 判定装置、判定プログラム、判定方法及びニューラルネットワークモデルの生成方法 | |
WO2023050586A1 (zh) | 定位传感器的异常检测方法、装置及终端设备 | |
Jeong et al. | Vehicle sensor and actuator fault detection algorithm for automated vehicles | |
CN112326264A (zh) | 一种远程操控工程车辆的运行状态监测及故障诊断***、方法 | |
CN114738205B (zh) | 一种浮式风机基础的状态监测方法、装置、设备和介质 | |
US11009431B2 (en) | Failure mode specifying system, failure mode specifying method, and program | |
Pant et al. | AUTOPLUG: An Architecture for Remote Electronic Controller Unit Diagnostics in Automotive Systems | |
CN111157018B (zh) | 一种检测方法、检测装置及自动驾驶车辆 | |
US11669082B2 (en) | Online fault localization in industrial processes without utilizing a dynamic system model | |
Shokrollahi et al. | Simultaneous fault detection and robust control for a dynamic observer-based switched time delay systems with car roll dynamic application | |
CN110569521A (zh) | 使用转向数据进行转向齿条腐蚀检测 | |
Mohtat et al. | Validation and refinement of a steering friction increase detection algorithm using test drive data | |
JP2006335150A (ja) | 車載電子制御システム及びその故障診断方法、並びに車載電子制御装置 | |
FR2906520A1 (fr) | Procede et dispositif de detection de situation de conduite en virage. | |
JP4284605B2 (ja) | 状態監視方法、状態監視装置、状態監視システム、及びコンピュータプログラム | |
Nilsson | Sensor fusion and fault diagnosticsin non-linear dynamical systems. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |