本站小編為你精心準備了汽車制動系統的故障預測及診斷參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：制動系統在汽車的眾多系統中極為重要，汽車在使用中若出現故障，會給車輛帶來嚴重安全威脅。因此，如何對于汽車潛在的故障進行預測和診斷就顯得尤為重要。而基于傳統的預測模型建立起來的汽車制動系統故障預測方法卻存在一定的缺陷，使得預測結果受到影響，但基于灰色支持向量機的汽車制動系統故障診斷與預測方法可以解決當前存在的問題。基于此，本文主要探討了汽車制動系統診斷和預測中灰色理論以及支持向量機應用的相關問題，供讀者參考。

關鍵詞：灰色支持向量機；汽車制動系統；故障；預測和診斷

1當前汽車制動系統故障預測中存在的問題

由于汽車制動系統故障診斷和預測對于汽車安全保障具有重要的意義，因此引起了許多研究人員的注意，出現了許多預測方法和預測模型。針對于汽車制動系統的故障診斷及預測，相關研究人員提出了基于模糊數學、神經網絡以及專家系統等多種診斷和預測方法，這些方法各有各的優勢，但同時也有著明顯的缺陷[1]。

1.1預測結果不理想

對于汽車制動系統的故障預測可以看成一個時間序列，是由非線性機制確定的輸入以及輸出系統[2]。對于時間序列的預測通常都需要建立預測模型，無論是傳統的ARMA模型，還是神經網絡模式都不例外。然而，實際應用中的時間序列通常都是混沌的、不規則的，建立起來的預測模型往往很難取得理想的預測效果。基于傳統的預測模型，汽車制動系統的故障預測結果的精確性往往很難保證。

1.2學習過程過擬合

傳統的預測模型所采用的學習方法遵循的是經驗風險最小化準則，也就是最小化訓練樣本點誤差，這就導致了過擬合現象的出現，使得預測模型的泛化能力受到影響，例如過學習就是神經網絡模型中會出現的問題[2]。鑒于此，找到能夠更好地提高預測結果精確性，避免出現過擬合等問題的預測模型就是改進汽車制動系統預測方法的思路。

2汽車制動系統故障預測中問題的應對措施

基于灰色支持向量機來進行汽車制動系統故障的診斷和預測可以充分發揮支持向量機以及灰色模型各自的優點，將二者有效結合起來，其實現的步驟主要如下：

2.1進行特征值的提取

特征值主要是為了反映汽車制動系統故障的相關信息，選取合適的特征變量能反映汽車制動系統的狀態，當特征值出現異常時表明汽車的制動系統可能存在潛伏性故障因素[3-4]。

2.2進行灰色關聯度分析

根據選取的能夠反映汽車制動系統狀態的變量，設定一個時間序列Yi作為參考序列，然后設定其余序列作為比較序列，計算出參考序列和各個比較序列之間的灰色關聯度，再把所有的關聯度進行排序，并將關聯度最大的序列當作預測模型的時間序列。

2.3進行預測模型的建立

先在上述步驟中建立的灰色時間序列來建立起灰色模型，灰色模型需要經過單變量的時間序列進行累加處理，從而根據這個生成序列來建立一階微分方程，進而反映其內部發展規律，然后將其與正交多項式建立最小二乘擬合預測模型，再對于預測模型的精度進行檢驗，從而最終確定精度更高的預測模型。

2.4進行支持向量機的訓練

支持向量機的訓練過程中，多類分類器的構造是一個關鍵的環節，其構造方法可以利用基于二叉樹進行支持向量機多類分類的方法。基于二叉樹進行2類分類器的構造過程主要如下：通過第i個分類器把第i類和第i+1，i+2，i+3，…N類分開，從而構造出支持向量機SVMi；等到第N-1個分類器能夠把N-1類和第N類分開之后，在將N-1個支持向量機構成多分類器，并最終構建出支持向量機來進行N類故障的識別。

2.5進行汽車制動系統故障的診斷和預測

在完成了上述的四個步驟后，就可以進行汽車制動系統的故障預測和診斷了。先把通過預測模型得到的預測值帶入到支持向量機中，進行支持向量機的分類。再通過基于二叉樹進行支持向量機多類分類的方法就可以達到對汽車制動系統故障進行預測的目的，得到預測結果，并根據預測結果來進行故障診斷的工作。將灰色理論和支持向量機兩種科學方法有機結合起來，不僅可以使預測和診斷的精度更高，精準地找到危及行車安全的潛伏性因素，而且支持向量機運用的是結構風險最小化原則，即使是樣本量較少也不會影響其統計規律，從而使模型的泛化能力得到有效的提升，解決了過擬合的問題。

3結語

總而言之，制動系統在汽車整體結構中的地位十分重要，一旦其出現故障不僅會影響汽車正常運行，甚至會造成嚴重的安全事故。制動系統的故障預測與診斷對于減少事故的發生，保障人員的安全具有重大的意義。將灰色理論和支持向量機構相結合，構建汽車制動系統故障診斷以及預測模型進行故障的預測和分析，可以大大提高預測結果的精確性，準確地反映汽車制動系統的狀況，為故障的診斷和排除提供了重要的依據，進而提高了行車的安全性。

參考文獻：

[1]賈愛芹，陳建軍，蔣志強,等.基于灰色支持向量機的汽車制動系統故障診斷與預測[J].機械設計與研究，2015，31(1)：149-152.

[2]唐萬梅.基于灰色支持向量機的新型預測模型[J].系統工程學報，2006(4)：410-413.

[3]陳昊鵬.汽車氣壓制動防抱死系統使用及故障維修[J].南方農機，2016，47(9)：77-78.

[4]鐘兵.制動裝置常見故障判斷與排除[J].南方農機，2006，37(2)：35-37.

作者：姚曉麗 單位：慶陽職業技術學院