基于人工神经网络算法的汽车系统故障检测
电子技术的迅速发展，使现代汽车成为具有实时电子控制的复杂分布式系统。恶劣和经常变化的使用环境，可能导致这些电子控制系统出现计算上的故障。因而，需要在汽车电子控制系统中设计容错方案，但由于汽车空间、质量和成本的约束，限制了冗余汽车关键部件或关键系统的容错方案。相关研究已经表明，采用人工神经网络算法可以对电子控制系统的故障进行检测，并在电子控制系统计算过程中应用纠正措施，消除故障。由于人工神经网络算法不能同时保证处理时间和处理精度的要求，因而该算法不能直接应用在汽车电子控制系统中。对此，在混合现场可编程门阵列平台上，基于改进的人工神经网络算法建立了故障检测系统，并使用了几个发动机案例对其性能进行了评价。
由于汽车电子控制系统发生故障时系统的某些特征值将偏离正常值，因而使用人工神经网络算法进行故障诊断时需要监视和采集汽车的故障特征，建立汽车故障特征集，并将其作为人工神经网络的训练样本集。训练过程中，首先确定的是人工神经网络的拓扑结构，并将故障特征集提供到人工神经网络；之后对故障特征集的处理，与传统方法相比，人工神经网络算法可根据故障特征集输入和输出的关系，调节网络的权值和阈值，以在满足精度要求的同时减少处理时间。基于混合现场可编程门阵列平台对建立的故障检测系统进行评价时，共设定4类故障：发动机1缸不喷油，冷却水温过高，温度传感器断路和空气流量传感器故障。结果显示，使用人工神经网络算法的故障检测系统可以检测出设定的4类故障，且延迟时间较短，延迟最短时间为3.99ms，最长时间为145.2ms。
Shanker Shreejith et al. 2016 Design,Automation& Test in Europe Conference &Exhibition(DATE), Coventry March 14-18, 2016.
编译：吴祥
