导航传感器故障检测策略
故障诊断与自动恢复
故障诊断与自动恢复在我们日常生活和工作中，各种设备和系统的稳定运行至关重要。
然而，不可避免地会遇到各种各样的故障。
这时，故障诊断与自动恢复就成为了保障正常运转的关键环节。
首先，让我们来理解一下什么是故障诊断。
简单来说，故障诊断就是找出设备或系统出现问题的原因和位置。
这就像是医生给病人看病，需要通过各种检查和症状来判断病因。
对于设备和系统，我们也要通过收集各种信息，比如运行数据、错误代码、异常声音等等，来确定故障所在。
故障诊断可不是一件简单的事情。
它需要我们对所涉及的设备或系统有深入的了解，熟悉其工作原理、结构组成和常见的故障模式。
比如说，一台电脑突然死机，可能是因为硬件故障，比如内存损坏；也可能是软件问题，像是系统文件丢失或者病毒感染。
要准确诊断出问题所在，就需要对电脑的硬件和软件都有清楚的认识。
那么，如何进行有效的故障诊断呢？一种常见的方法是基于模型的诊断。
这就需要我们先建立一个设备或系统的正常运行模型，然后将实际运行的数据与这个模型进行对比。
如果有偏差，就说明可能存在故障。
另一种方法是基于信号处理的诊断，通过分析设备产生的各种信号，比如电流、电压、温度等，来判断是否正常。
然而，仅仅诊断出故障还不够，我们还需要能够自动恢复，让设备或系统尽快重新正常运行。
自动恢复就像是给生病的人对症下药，让他们尽快康复。
自动恢复可以通过多种方式实现。
一种是预先设置好的恢复策略。
比如说，当系统检测到某个关键进程崩溃时，自动重新启动该进程。
另一种是基于智能算法的自动恢复，通过对大量历史故障数据的学习，系统能够自动判断采取什么样的恢复措施最为有效。
为了实现故障诊断与自动恢复，我们还需要依靠一些先进的技术和工具。
比如，传感器技术可以实时监测设备的各种参数，为故障诊断提供数据支持。
云计算和大数据技术可以对海量的故障数据进行分析和处理，帮助我们发现故障的规律和趋势。
人工智能技术则可以让系统更加智能地进行诊断和恢复，提高效率和准确性。
多传感器的关节故障检测及容错策略
多传感器的关节故障检测及容错策略倪风雷;刘伊威;邹继斌;刘宏【摘要】为提高空间机器人关节驱动系统的可靠性,研制具有多种传感器的模块化关节,提出基于多传感器的关节故障检测算法及关节的容错策略,并根据关节运动速度大小建立阈值自动调整策略.试验结果表明,采用该算法,克服了基于模型关节故障检测策略对模型的依赖,并保证关节在低速和高速范围内,均可快速地检测关节出现的故障,保证关节安全稳定运行.【期刊名称】《哈尔滨工业大学学报》【年(卷),期】2011(043)003【总页数】6页(P33-37,94)【关键词】故障检测;容错策略;空间机械臂【作者】倪风雷;刘伊威;邹继斌;刘宏【作者单位】哈尔滨工业大学,机器人技术与系统国家重点实验室,150080,哈尔滨;哈尔滨工业大学,电气工程博士后流动站,150080,哈尔滨;哈尔滨工业大学,机器人技术与系统国家重点实验室,150080,哈尔滨;哈尔滨工业大学,电气工程博士后流动站,150080,哈尔滨;哈尔滨工业大学,机器人技术与系统国家重点实验室,150080,哈尔滨【正文语种】中文【中图分类】TP242.6空间机械臂是机、电、热、控一体化的高集成度空间机电系统.随着空间技术的飞速发展，空间机械臂作为在轨支持、服务的一项关键性技术已经进入太空.由于空间恶劣环境的影响，如高低温、噪声、电磁干扰、空间粒子辐射、振动以及空间环境化学污染等，即使一个阻容元件的故障，也会使整个机械臂无法完成预定任务，造成巨大的经济损失，因此，需建立具有容错功能的关节伺服控制系统，如加拿大机械臂［1-2］和ETS-VII机械臂［3］等.故障检测是关节容错控制的基础，目前，关节故障检测算法可分为两大类:第一类是基于操作器的动力学模型［4-6］，第二类是基于冗余的传感器信息［7-8］.为了减轻关节的质量，HIT机械臂在关节内部集成了谐波减速器等部件，导致关节的动力学模型难以准确地建立;而且空间环境昼夜温差变化较大，对模型中的参数影响很大.基于上述两个原因，HIT空间机械臂采用基于传感器的故障检测算法，文献［9］中，采用期望位置信息和实际关节角度信息相比较的方案检测关节的故障，然而阈值的选取非常困难，无法满足关节在低速和高速运行时均可快速地检测关节出现的故障，文献［8］用二维模糊控制器实现了阈值的自动调整，但算法复杂.本文建立了基于多传感器信息的系统故障检测方法，并改进了阈值自动调整策略，保证关节在低速和高速运行时，可快速地检测关节出现的故障.1 关节系统描述1.1 结构系统设计为了减轻关节的质量，提高关节的输出力矩，便于关节内部走线，关节采用大中心孔的电机加谐波减速器的结构.电机采用定子、转子分离的无刷直流电机，谐波减速器采用轴向长度小、质量轻Harmonic Drive公司的产品.具体的关节机械结构模型如图1所示.图1 机械臂关节的三维模型1.2 传感器系统设计为了克服关节的柔性，增加关节的感知能力和可靠性，关节内集成了多种传感器，如表1所示.为了保护关节的结构，测量每个关节受到的扭矩，每个关节都集成了基于应变片原理的力矩传感器，如图2(a)所示，安放在谐波减速器的输出和连杆之间.由应变片测量弹性体轴向梁的变形，采用4组应变片可有效地补偿切向力引起变形的影响［10］.表1 关节使用的传感器?由于关节采用谐波减速结构，存在柔性和滞回现象，电机角度的变化不能反映关节角度的变化，因此需要绝对的关节角度传感器.为了减轻关节的质量，提高关节传感器系统的集成度，采用电位计实现关节绝对位置的测量，如图2(b)所示.为了提高系统的集成度和传感器信号的质量，将信号调理电路和传感器本体进行一体化设计，封装好的电路板和传感器如图2(c)所示，与外部控制器连接采用SPI总线接口. 为了提高电机驱动系统的可靠性，采用数字霍尔和磁式编码器测量电机位置信息，采用取样电阻实现电机母线相电流的测量，同时，采用了多个温度传感器监测系统的温度.图2 关节内部主要的传感器1.3 驱动系统设计关节硬件结构如图3所示，设计的关节驱动控制系统将在空间恶劣的环境中工作，提高系统的可靠性非常必要.为提高系统的可靠性，一般采用三模冗余的设计方法.然而由于机械臂质量、功耗、体积的限制，关节控制器系统无法采用三模冗余的控制方案，而是采用控制器为双模冗余备份方式，电机驱动、电源等为单模方式，两套控制系统可工作在冷热备份2种状态下.冷备份状态，主控制器FPGA可关掉从控制器FPGA系统的电源，减少系统功耗;而在热备份状态下，2套FPGA控制系统并行工作，从控制器FPGA通过同步串行通讯接口监控主控制器FPGA的工作状态，当检测到主控制器FPGA 出现故障时，从控制器FPGA将通过仲裁电路夺取主控制器FPGA的控制权，提升为主控制器.为了提高通讯系统的可靠性，采用2套冗余的CAN总线通讯单元，实现关节控制器与中央控制器的通讯.1.4 关节伺服系统设计机械臂是6自由度关节串联式机器人，其运行速度较慢，对关节速度精度没有特殊要求，对机械臂末端定位精度要求较高，因此关节控制采用位置闭环伺服控制方式.为了补偿机械臂运动时关节间产生的干扰，利用关节力矩传感器信息进行补偿，但这种方法不能补偿电机转子的动力学效应，因此，在电机内部加入了快速电流环进行调节［9，11］，整个关节的位置伺服系统控制框图如图4所示.图3 关节控制器结构图4 关节位置伺服系统控制框图2 关节故障诊断及容错策略机械臂采用分布式控制策略，由中央控制器负责笛卡尔空间的轨迹规划、动力学计算，关节控制器实现关节空间的传感器信息采集、电机驱动、位置控制、故障检测等功能.关节容错控制系统的框图如图5所示，关节控制器和中央控制器之间的通讯周期为250 ms，因此，需要在关节空间内将中央控制器规划的期望位置信息进行再次规划，产生2 ms控制周期所需的期望位置和速度信息，并根据电机和关节处传感器信息实现关节内部故障的检测.建立关节故障树的数据库，根据故障树的信息启动相应的容错策略，控制关节运行，保证关节系统可靠工作.图5 关节容错系统2.1 故障树建立每个关节都是由机械部件、电气部件以及热控部件等组成.关节的故障树如图6所示，机械部件如电机、谐波减速器、轴承等出现故障，将导致关节无法正常工作;电气系统部件如电源板、电机驱动板和FPGA控制板出现故障，也将导致关节无法正常工作，需要采用可靠性高的元件和部件.为了提高传感器系统的可靠性，传感器采用冗余设计，如电机位置反馈的数字霍尔和磁编码器;关节使用的电位计和限位开关等.图6 关节故障树2.2 关节容错策略从关节的故障树模型可知，关节出现的故障可以分为两类:一类是临时性故障;一类是永久性故障.临时性故障可以通过硬件线路设计和FPGA软件程序设计加以克服.例如，FPGA内部三模冗余的程序设计可以克服单粒子翻转事件的影响;设计的电源电路可以克服单粒子锁定事件产生的错误.然而对永久性故障，根据故障的特点，如电机、谐波减速器、轴承、以及关节线路板等出现故障，将导致关节无法工作，此时机械臂只有降级使用，重新规划运动路径，减少工作空间;而当关节力矩传感器或电机电流传感器出现故障时，对系统运动精度没有影响，只是会造成关节力矩出现波动;当磁式编码器出现故障时，只有采用数字霍尔进行降级使用;当关节电位计出现故障时，可以采用电子限位开关进行替代;当电位计和限位开关均出现故障时，采用电机位置信息进行替代2.3 关节故障检测文献［7］中故障检测算法仅是采用了期望位置与实际关节角度信息进行比较，这种方法无法准确地判断是期望位置故障，还是关节角度传感器故障，因此本文改进了这种方法，即不仅比较期望的位置与实际的传感器位置信息，而且传感器信息之间也进行比较，同时限制了期望角度的变化，防止期望角度信息突变，导致关节异常运动.关节故障检测算法为:式中:θdesired为期望的关节角度信息为期望的关节角速度信息;θsensor为关节电位计传感器信息;θthrsh为相差的角度阈值为关节限制的最大速度;θsensor1、θsensor2为数字霍尔和磁编码器信息.此算法中，阈值的选取非常重要.阈值太大，导致发现传感器故障的时间变长，阈值太小，导致传感器误动作，因此，为了满足关节在低速、高速运行时，诊断关节是否故障，文献［8］采用了两维模糊控制器进行阈值调整，然而算法复杂.本文对其进行改进，设计了一维模糊控制器，实现阈值θthrsh的自动调整，其输入为期望的关节速度信息，输出为调整的阈值θthrsh.关节的速度范围为-5～5(°)/s(电机的速度范围为-800～800(°)/s)，经过线性变换映射到模糊论域为［-3，3］，其经模糊化后采用5个模糊变量进行描述:θ·desired=［NB，NS，ZE，PS，PB］，即［负大、负小、零、正小、正大］，输出变量θthrsh论域为［0，3］，采用3个模糊变量进行描述，即θthrsh=［ZE，PS，PB］，控制规则采用下面的3条语句描述:模糊推理规则采用玛达尼推理法，解模糊采用最大隶属度法，因此可以得到如表2所示的模糊控制规则表，将此表存入控制器中，根据关节期望的速度，查询控制规则表，实现阈值的自动调整.表2 模糊控制规则表?3 实验为了验证设计的故障检测算法，进行了下面的实验:电机在正常工作状态下，采用磁编码器测量电机位置信息，进行正弦驱动;当利用提出的故障检测算法检测到磁编码器故障时，采用数字霍尔传感器返回电机位置信息，电机的驱动方式改为方波驱动.实验平台采用集成数字霍尔和磁编码器的电机，在电机正常运行之后，为了模拟磁编码器出现故障，人为地将磁编码器输出信号切断，观测电机是否仍然能够运行;同时，为了验证本文提出阈值自动调整策略，对电机进行了高速和低速2种测试，并与采用固定阈值方式进行比较，实验曲线如图7所示.从图7可见:当控制器检测出磁编码器出现故障后，仍然可以利用数字霍尔信息实现电机驱动;在电机速度较高情况下(960(°)/s)，与固定阈值的调整时间和改进算法的调整时间相当，约28 ms，如图7(a)、7(b)所示;当电机运行在240(°)/s时，采用固定阈值的算法将在120 ms内诊断出传感器故障，时间较长，如图7(d)所示;而采用本文提出的算法，诊断故障的时间仅需30 ms，如图7(c)所示.由此可见，采用本文提出的算法可以快速地诊断传感器的故障，尽管使用数字霍尔位置的控制精度低于使用码盘的控制精度，但仍然可保证电机正常运行.4 结论1)本文阐述了哈工大机器人研究所研制的空间机械臂关节结构、传感、驱动、伺服控制单元的设计.建立了关节故障树的模型，并基于多传感器信息，改进了关节故障检测算法，设计了阈值自动调整规则.2)采用该故障检测算法可以快速、准确地检测关节的故障，保证关节平稳可靠地运行.图7 控制曲线参考文献:［1］WU E C，HWANG J C，CHLADEK J T.Fault-tolerant joint development for the space shuttle remote manipulator system:analysis and experiment ［J］.IEEE Transactions on Robotics and Automation，1993，9(5):675-684. ［2］WU E，DIFTLER M，HWANG J.A fault tolerant joint drive system for the space shuttle remote manipulator system［C］//IEEE International Conference on Robotics and Automation.Sacremento，CA:［s.n.］，1991: 2504-2509.［3］ODA M，KIBE K，YAMAGAGA F.ETS-VII，space robot in-orbit experiment statellite［C］//IEEE International Conference on Robotics and Automation.Minneapolis，USA:［s.n.］，1996:739-744.［4］DIXON W E，WALKER D M，DAWSON D M，et al. Fault detection for robot manipulators with parametric uncertainty:a prediction-error-based approach［J］. IEEE Transactions on Robotics and Automation，2000，16(6):689-699.［5］VISINSKY M L，CAVALLARRO J R，WALKER I D. A dynamic fault tolerance framework for remote robots［J］.IEEE Transactions and automation，1995，11 (4):477-490.［6］FREYERMUTH B.An approach to model-based fault diagnosis of industrial robots［C］//IEEE International Conference on Robotics and Automation.Sacremento，CA:［s.n.］，1991:1350-1356.［7］ZANATY F.Consistency checking techniques for the space shuttle remote manipulator system［J］.SPAR J Eng Technol，1993，2(1):40-49. ［8］NI Fenglei，JIN Minghe，SHI Shicai.Fault-tolerant design for joint of HIT/DLR space robot arm［J］.Journal of Harbin Institute ofTechnology(New Series)，2008，15(3):415-421.［9］王宏，于泳，徐殿国.永磁同步电机位置伺服系统［J］.中国电机工程学报，2004，24(7):151-155.［10］倪风雷，高晓辉.轻型臂关节力矩传感器的设计［J］.仪器仪表学报，2006，27(2):191-194.［11］倪风雷，刘宏.空间机械臂柔性关节控制器的设计［J］.哈尔滨工业大学学报，2008，40(3):376-380.。
新能源汽车电控系统故障诊断与维修策略
新能源汽车电控系统故障诊断与维修策略目录1. 新能源汽车电控系统概述 (3)1.1 新能源汽车电控系统介绍 (4)1.2 电控系统在新能源汽车中的重要性 (5)1.3 电控系统常见故障类型 (6)2. 电控系统核心组成及功能 (8)2.1 电池管理系统 (9)2.2 电机控制器 (10)2.3 变速器控制单元 (12)2.4 能量回收系统 (14)2.5 充电系统 (15)3. 电控系统故障诊断技术 (17)3.1 故障检测与识别 (18)3.2 ECU诊断通信协议 (19)3.3 故障码分析与解读 (20)3.4 系统测试与数据分析 (21)3.5 故障诊断仪器与软件 (23)4. 电控系统常见故障分析 (25)4.1 BMS故障分析 (26)4.2 EMC故障分析 (27)4.3 TCU故障分析 (28)4.4 ERS故障分析 (29)4.5 CS故障分析 (31)5. 电控系统故障维修策略 (32)5.1 故障排除流程 (34)5.2 故障修复技术 (35)5.3 系统更新与重置 (36)5.4 备件更换与系统对接 (37)6. 电控系统故障案例分析 (39)6.1 案例一 (40)6.2 案例二 (41)6.3 案例三 (42)6.4 案例四 (43)6.5 案例五 (43)7. 安全与环保措施 (45)7.1 安全操作规程 (46)7.2 环境保护法规 (47)7.3 废弃电控系统的处理 (49)8. 电控系统维护与保养 (49)8.1 定期维护计划 (51)8.2 保养要点与方法 (52)8.3 清洁与润滑 (53)8.4 安全检查 (54)9. 未来发展趋势与技术展望 (55)9.1 高级驾驶辅助系统 (57)9.2 无人驾驶技术 (58)9.3 高度集成化与智能化 (59)9.4 新能源汽车电控系统的未来发展 (60)1. 新能源汽车电控系统概述新能源汽车电控系统是确保新能源车辆高效、安全运行的核心组成部分。
自动控制系统的故障诊断与维护
自动控制系统的故障诊断与维护自动控制系统在现代工业中扮演着至关重要的角色，它们能够有效地监测和控制各种生产过程，提高生产效率并确保产品的质量稳定。
然而，由于长时间运行和各种外部因素的影响，这些系统可能会出现故障，从而影响生产和安全。
因此，故障诊断与维护对于保障自动控制系统的正常运行至关重要。
一、故障诊断1.故障检测故障检测是故障诊断的第一步，它涉及到对自动控制系统进行实时监测和分析，以发现可能的故障信号。
现代控制系统通常配备了各种传感器，可以实时获取到关键参数的数据。
通过对这些数据进行分析，可以检测到系统是否存在异常，并进一步确定故障类型。
2.故障定位故障定位是故障诊断的关键一步，它需要确定故障出现的具体位置以便进行维修。
通过分析故障信号，结合系统的工作原理和拓扑结构，可以确定故障发生在哪个子系统或组件中。
同时，适当的故障定位方法可以减少维修时间和维修成本。
3.故障识别故障识别是诊断的最后一步，目的是准确地判断故障的原因和性质。
通过对故障信号进行进一步分析，利用故障识别算法和模型，可以得出准确的故障结论。
这对于制定正确的维修策略和预防措施非常重要。
二、故障维护1.预防性维护预防性维护是为了防止故障发生而主动采取的维护措施。
它包括定期的设备检查和保养，以及根据设备的使用情况和工作环境来制定合理的维护计划。
预防性维护可以延长设备的使用寿命，减少故障发生的可能性，并提高设备的可靠性。
2.修复性维护修复性维护是在故障发生后立即采取的维修措施。
当故障发生时，需要尽快确定故障类型并采取相应的维修步骤。
修复性维护的目标是尽快恢复设备的正常工作，减少停工时间。
3.改进性维护改进性维护是为了提高设备性能而采取的维护措施。
通过对设备进行改进和优化，可以减少故障的发生率并提高生产效率。
改进性维护可以根据实际情况采取不同的方法，如更换部件、优化控制策略等。
三、维护策略选择在实际应用中，选择适当的维护策略对于保障自动控制系统的正常运行至关重要。
智能网联汽车故障诊断技术的新挑战与对策
智能网联汽车故障诊断技术的新挑战与对策1. 智能网联汽车故障诊断技术概述随着汽车技术的飞速发展，智能网联汽车已成为现代汽车工业的重要发展方向。
智能网联汽车具备车辆间通信、道路与车辆协同等功能，通过先进的传感器、控制器和执行器等设备实现智能化控制和自动化驾驶。
智能网联汽车的复杂性和高度集成性也给故障诊断技术带来了新的挑战。
智能网联汽车故障诊断技术是对智能网联汽车中出现的故障进行识别、分析和定位的技术手段。
由于智能网联汽车涉及的系统和组件众多，包括但不限于电子控制系统、传感器、通信网络等，其故障诊断技术需要具备高度的专业性和复杂性。
与传统汽车诊断相比，智能网联汽车故障诊断不仅要考虑机械部件的故障，还要关注电子系统和网络系统的故障。
在实际应用中，智能网联汽车故障诊断技术面临着诸多挑战。
随着汽车智能化程度的提高，故障的来源和表现形式更加复杂多样。
智能网联汽车的故障诊断需要处理大量数据，包括车辆运行数据、环境数据、网络数据等，数据处理和分析的难度较大。
智能网联汽车的网络安全问题也是故障诊断技术必须面对的挑战之一。
1.1 智能网联汽车的发展历程智能网联汽车，作为当今汽车产业发展的前沿领域，其发展历程可谓波澜壮阔。
自20世纪末期开始，随着信息技术的迅猛进步，汽车行业便开始了与信息技术、通信技术和控制技术的深度融合探索。
早期的智能网联汽车主要聚焦于安全辅助系统的应用，如防抱死制动系统（ABS）、电子稳定程序（ESP）等，这些技术极大地提升了汽车的安全性能。
进入21世纪，随着互联网技术和人工智能的快速发展，智能网联汽车的概念逐渐演变为包括自动驾驶、车联网在内的更广泛领域。
在自动驾驶方面，从最初的特定场景自动驾驶到当前的全球范围内多种场景的自动驾驶商业化尝试，智能网联汽车的技术不断突破，行驶范围和智能化水平日益提升。
车联网技术的发展也让汽车具备了更加智能化、人性化的交互能力，车载信息服务、导航服务、娱乐服务等越来越丰富，极大地改善了驾驶体验。
机器人自主导航中的挑战与解决方案
机器人自主导航中的挑战与解决方案在当今科技迅速发展的时代，机器人自主导航成为了一个备受关注的领域。
它不仅在工业生产、物流配送、医疗救援等众多领域有着广泛的应用前景，也为我们的生活带来了极大的便利和效率提升。
然而，要实现机器人的精准、高效和可靠的自主导航并非易事，其中面临着诸多挑战。
首先，复杂多变的环境是机器人自主导航的一大难题。
现实世界中的环境充满了各种不确定性和动态变化，如地形的起伏、障碍物的突然出现、光线的明暗变化等。
这就要求机器人能够快速感知并适应这些变化。
以室内环境为例，家具的摆放可能会发生改变，人员的走动也会造成通行空间的变化。
而在室外环境中，天气的变化如雨雪、大风等，都会对机器人的传感器产生影响，导致数据采集的不准确。
其次，传感器的精度和可靠性也是一个关键问题。
机器人通常依靠多种传感器来获取周围环境的信息，如激光雷达、摄像头、超声波传感器等。
然而，这些传感器都有其局限性。
激光雷达在长距离测量上表现出色，但对于透明物体或细小物体的检测可能存在困难；摄像头能够提供丰富的视觉信息，但容易受到光线和视角的影响；超声波传感器在近距离检测方面效果较好，但测量范围有限。
而且，传感器在工作过程中还可能会出现故障或误差，如何对这些不准确的数据进行处理和融合，以获得准确可靠的环境信息，是机器人自主导航需要解决的重要问题。
再者，实时性也是一个不容忽视的挑战。
机器人需要在短时间内对大量的传感器数据进行处理和分析，并做出决策和行动。
如果计算速度跟不上，就可能导致机器人反应迟缓，无法及时避开障碍物或应对突发情况。
特别是在一些对时间要求极高的场景，如高速行驶的自动驾驶汽车，哪怕是毫秒级的延迟都可能造成严重的后果。
另外，地图构建和路径规划也是机器人自主导航中的难点。
构建一个准确、详细的地图是实现自主导航的基础，但在未知环境中，机器人需要一边探索一边构建地图，同时还要根据地图进行路径规划。
如何在保证地图精度的前提下，提高地图构建和路径规划的效率，是一个需要深入研究的问题。
路测数据分析及应用
路测数据分析及应用目录一、内容概要 (2)1.1 路测数据分析的重要性 (2)1.2 路测数据分析的应用领域 (3)二、路测数据采集与处理 (5)2.1 路测数据采集设备 (6)2.2 数据采集过程中的注意事项 (7)2.3 数据处理流程与方法 (8)2.3.1 数据清洗 (9)2.3.2 数据整理 (11)2.3.3 数据转换 (12)三、路测数据分析方法 (14)3.1 路线性能分析 (15)3.2 平均速度分析 (17)3.4 切换性能分析 (20)3.4.1 交叉口切换性能分析 (21)3.4.2 直线段切换性能分析 (22)四、路测数据可视化与应用 (23)4.1 可视化工具介绍 (24)4.2 常见可视化图表 (25)4.3 数据驱动的决策支持 (27)4.3.1 基于数据的路线规划 (28)4.3.2 基于数据的交通管理策略制定 (29)五、案例分析 (30)5.1 城市道路路测数据分析 (31)5.2 高速公路路测数据分析 (33)5.3 特殊场景路测数据分析 (34)六、路测数据分析系统的设计与实现 (36)6.2 系统架构设计 (38)6.3 数据分析与展示模块实现 (39)七、总结与展望 (41)7.1 路测数据分析的总结 (42)7.2 未来发展趋势与挑战 (42)一、内容概要概述：介绍路测数据的背景、目的及重要性，阐述路测数据在交通规划、道路设计、智能交通系统等领域的应用价值。
数据收集：详细介绍路测数据的收集方法，包括数据采集设备、采集点选择、数据采集时间等要素，以及数据收集过程中需要注意的问题。
数据处理：阐述路测数据处理的过程，包括数据清洗、数据整合、数据格式化等步骤，以及处理过程中可能遇到的问题和解决方案。
数据分析：介绍路测数据分析的方法和技术，包括数据分析工具、分析模型、分析流程等，以及如何通过数据分析挖掘出有价值的信息。
数据应用：详细阐述路测数据在交通管理、城市规划、智能驾驶等领域的应用场景，以及如何利用路测数据解决实际问题，提高交通运行效率和管理水平。
基于UDS的汽车通信故障诊断机制与处理策略
汽车故障诊断是利用ECU 监测控制系统各组成部分的工作情况,发现故障后自动启动故障记录和处理逻辑。
汽车故障诊断模块不仅能够存储记忆汽车故障,还能够实时提供汽车各种运行参数[1]。
外部诊断设备通过一定的诊断通信规则与ECU 建立诊断通信,并读取这些故障和参数,同时解析出来供外部测试人员分析。
故障诊断记录处理,并将这些处理的信息通过诊断通信传输给外部诊断设备,这一系列处理机制构成了汽车立体化的诊断系统,如图1所示。
统一诊断服务UDS (Unified diagnostic services )是基于OSI (Open Systems Interconnection )参考模型设计的,是当前汽车领域广泛使用的一种车载诊断协议标准。
当前车载网络快速发展,网络总线也不断变化更新,由初始的低速LIN 总线,到低速容错CAN 总线、高速CAN 总线,再到FlexRay 和Most 总线等等,越来越多的网络总线和电子控制单元的出现迫切需要统一车载诊断协议。
ISO 14229基于UDS 诊断规范,可应用于多种数据链路网络,是一种可广泛应用的满足诊断需求的协议标准,如图2所示[2]。
CAN 网络是一种非破坏性仲裁的通信网络[3],它因具有较高的通信速率(最高可达1Mb /s )和灵活可靠的通信方式,在车载网络领域广受青睐。
控制系统之间的信息交互即可通过CAN 网络通信的方式进行。
但如其他系统一样,通信实体之间也需要进行通信故障的诊断,例如诊断通信异常、通信丢失等故障。
CAN 网络通信不仅实现了车载电子单元之间的通信,同时也为在线诊断提供了网络载体。
CAN 总线电控单元及诊断接入端分布见图3。
本文基于ISO 14229协议,以CAN 总线为通信介质,对车载控制单元之间记录通信丢失故障原理及诊断仪如何读取故障信息数据原理进行了分析,并修改稿收稿日期:2012-09-06基于UDS 的汽车通信故障诊断机制与处理策略刘彤,赵益宏,蔡伟杰,陈文强,韦兴民,赵福全(吉利汽车研究院,浙江杭州311228)摘要:阐述一种诊断控制单元之间通信丢失故障的机制,通过基于UDS 的诊断协议进行原理分析,并制定一种有效的诊断处理策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第36卷第7期 2002年7月上海交通大学学报JOURNALOFSHANGHAIJIAOTONGUNIVERSITYVol.36No.7 Jul.2002
收稿日期:2001-01-08作者简介:徐力平(1956-),男,江苏溧阳人,博士生,主要从事导航及控制研究.
文章编号:1006-2467(2002)07-0966-04导航传感器故障检测策略
徐力平, 赵忠华, 张炎华(上海交通大学信息检测技术及仪器系,上海200030)
摘 要:为了提高故障检测灵敏度,分析了通常的故障检测中难以兼顾虚警概率和漏检概率的原因和船舶组合导航系统故障检测过程中噪声与故障对检测量的影响.根据船舶组合导航系统故障检测的特点,提出了以模糊逻辑和指数加权平均处理检测量和阈值的故障检测策略,并用实船航行数据仿真.该策略对未知输入等干扰不敏感而对故障敏感,且可根据故障的大小自动调节检测时间的长短.对不易检测的小故障,自动延长检测时间以利用更多的信息从而提高检测的正确率;对于较大的故障,自动缩短检测时间从而减少检测延时和累积误差,起到了自适应检测时间窗的作用.关键词:故障检测;模糊逻辑;指数加权平均中图分类号:TP18 文献标识码:A
NavigationSensorFailureDetectingTacticXULi-ping, ZHAOZhong-hua, ZHANGYan-hua(Dept.ofInformationMeasurementTechnologyandInstrument,ShanghaiJiaotongUniv.,Shanghai200030,China)
Abstract:Acertainkindoffailuredetectingtacticbasedonfuzzylogicandexponent-weightedaveragewasbroughtforwardinordertoimprovefailuredetectionwithhighnoises.Andsimulationwasperformedwithrealstabilizedgyrocompassreadingsduringavoyage.Thefailuredetectiontacticissensitivietoer-rorsotherthandisturbancesuchassystem'sunknowninput.Furthermore,thetacticmayadjustthelengthofdetectiontimeadaptively.Whentheerrormagnitudeissmallandintermixedwithnoises,thetacticincreasesthedetectiontimetomakeuseofmoreinformation,whichresultsinhigherprobabilityofcorrectdetection.Whentheerrormagnitudeisbigger,thetacticdecreasesthedetectiontime,consequent-lythedetectingdelayisdecreasedandtheerroraccumulationisreduced.Keywords:failuredetection;fuzzylogic;exponent-weightedaverage
就检测过程看,影响检测正确性的原因是检测量无故障时的条件概率密度曲线与有故障时的条件概率密度曲线有交迭造成的.通常的检测方法是设定一个阈值,当检测量大于该阈值时判定为有故障;否则,判定为无故障.因而,若无故障时检测量落入大于该阈值的范围则出现虚警,若有故障时检测量落入小于该阈值的范围则导致漏检.检测量无故障时的条件概率密度曲线与有故障时的条件概率密度曲线有部分交迭是由检测量中的噪声引起的.由于未知输入、海况等强干扰,导航系统中存在大幅度噪声使条件概率密度曲线交迭严重.检测量是由估计误差(Ee)构成的.就未知输入等干扰噪声与故障造成的Ee的表现形式看,导航传感器本身的噪声一般为非平稳随机过程,其造成的E
e
通常很小,无故障时出现的突出的大幅值Ee往往是
未知输入及其他强干扰引起的,这些大幅值Ee通常不是连续出现的.而传感器发生故障时通常是连续出现较大幅值的Ee.另外,船舶导航系统允许甚至要求一些故障检测延时.如果能使故障检测过程对未知输入等干扰噪声不敏感,但对故障敏感,则可进一步提高故障检测的灵敏度,有利于检测小幅值缓变故障.本文根据船舶组合导航系统故障检测的特点及干扰噪声和故障对Ee的不同影响,提出了以模糊逻辑和指数加权平均处理检测量和阈值的故障检测策略,并用实船航行数据仿真.1 故障检测策略 若检测量落在其无故障时的概率密度曲线与有故障时的概率密度曲线的交迭部分,则存在有、无故障两种可能,这正符合模糊逻辑的概念.Frank等[1,2]就采用了模糊逻辑处理残差或阈值.当检测量介于有、无故障之间时,若依据连续若干个检测周期的检测量判断有、无故障,则可增加用于判断有、无故障的信息,区分引起大幅值Ee的原因,从而提高故障检测的正确率.采用多样本检验不能消除交迭,仅能在某种程度上减轻交迭.若能在某种程度上区分干扰与噪声,则可降低检测阈值,提高故障检测的灵敏度.Napolitano等[3]综合考虑了多次单样本检验的结果判定有无故障.该方法设置2个阈值T1和T2,T2≈20T1.当Ee>T2时,立即判定为有故障;T1T1时,提示警告信息,启动故障警戒过程,首先用偏大型模糊隶属函数[4]fk(xk)=0xk≤c1+a(d(xk-c)-b)-1xk>c(1)将xk映射到区间[0,1),并调节参数a,b,c,d,将大于T1的xk映射到(0.5,1)的开区间并使函数曲线符合需要,即将xk用模糊隶属函数进行归一化处理,并设当xk>T1时有故障的可能性介于0.5～1.这样映射也是根据舰船导航系统的故障检测忽略瞬时故障的要求,使偶发的故障不引起报警、切换,无论这个故障造成的Ee有多大.然后将经式(1)交换后得到的时间序列fk(xk)指数加权平均[5]
Xk=Xk-1/2+fk(xk) X0=0(2)当有故障的可能性累积达到1时判定为有故障.经过这样的处理后,所得Xk介于0～2,并且,当xk连续大于T1时,一定能使Xk>1,但无论Ee有多大,至少出现2次较大的Ee才能使Xk>1.因此,若当Xk>1即判定为有故障,则至少已出现2次较大的Ee.T2是为解除故障警戒设置的.若以启动故障警戒过程后有故障的可能性的近乎连续小于0.25时,判定系统无故障或故障已消失,则设置T2<0.5.如果启动故障警戒过程后,无论是尚未达到Xk≥1时,fk(xk)就下降到0.25以下,还是报警后fk(xk)下降到0.25以下,Xk一定能下降到0.5以下.当Xk
落在交迭区域的中心部分(T1附近),使得有无故障
的可能性较接近时,自动拉长检测时间窗,增加用于故障检测的信息,从而提高故障检测的正确率;反之,当xk落在交迭区域的边沿部分时,自动缩短检测时间窗,从而缩短检测延迟、减少累积误差.与固定长度的检测时间窗相比,采用指数加权平均的优越性是明显的.
2 仿 真利用离线训练神经网络作为在线状态估计器对故障检测策略进行仿真.首先用某船驶往某试验场的航行中平台罗经的一段数据(第1段数据)训练神
967 第7期徐力平,等:导航传感器故障检测策略经网络,然后用该船在试验场进行拉距试验的一段平台罗经数据(第2段数据),分别不加故障和人为设置平台罗经的3个读数(方位角、横摇角和纵摇角)于k=7001～8000发生0.0001(k-7000)2的缓变故障进行故障检测仿真.图1和图2分别为经训练后的神经网络对第2段数据无故障和人为设置故
障时的E2e的曲线.表1为对应于图1的统计数字.设置T1为:方位增量0.12[(°)/次]2(因为船舶航行中方位角可能出现±360°的跳变,因此这里用方位角增量),横摇0.12(°)2,纵摇0.015(°)2.T1小于表1中对应的最大值.
图1 无故障时估计误差Fig.1 Theestimationerrorwithoutfailure图2 有故障时估计误差Fig.2 Theestimationerrorwithfailure
表1 第2段数据估计误差的统计数字Tab.1 Statisticsofthe2ndsectionestimationerror
参数E2e/(°)2
均值标准差最大值方位0.00226010.01474900.445201横摇0.00267490.00984510.302403纵摇0.00148850.00164270.024766
当未加入故障时,没有发生虚警.在3×10980次检测中,对方位增量的检测共发生41次,对横摇的检测共发生11次,对纵摇的检测共发生16次提示警告信息.尽管发生了几十次提示警告信息和启动故障警戒过程,却未发生虚警,充分证明了该故障检测策略可在不发生虚警的前提下减小检测阈值,从而提高故障检测的灵敏度. 当加入上述故障时,对方位增量的检测于k=7342提示警告信息,于k=7346判定有故障;对横摇的检测于k=7066提示警告信息,于k=7069判定有故障;对纵摇的检测于k=7054提示警告信息,于k=7057判定有故障.三者均于k=8001时恢复正常.由于输出两个或多个导航定位参数的传感器发生故障时,所有输出参数均出现故障,故只要检测出一个参数有故障就判定该传感器有故障,结果是k=7057时检测出故障,累积误差为0.3249°.若每次检测采用N=3的多样本检验,除累积误差略有增加外,由于N由1增至3,检验量的标准差降至原来的1/3,减少了无故障与有故障的混淆程度,这将使发生提示警告信息但未报警事件的频率显著降低,总的效果将更好.事实上,无故障时,在3×3660次检测中,对方位增量的检测仅发生1次提示警告信息,对横摇的检测未发生提示警告信息,对纵摇的检测发生2次提示警告信息.加入上述