[发明专利]基于可能性C均值聚类算法的在线汽车悬架性能监控方法

摘要

基于可能性C均值聚类算法的在线汽车悬架性能监控方法，本发明涉及基于可能性C均值聚类算法的在线汽车悬架性能监控方法。本发明是要解决现有方法计算量大不能实现在线性能监控的问题。步骤一：在汽车悬架处于健康状态下采集N个加速度计样本得到正常数据；步骤二：计算得到PCM的聚类中心和权值；步骤三：在汽车悬架运行中，每隔一段时间采集一次加速度计值，根据PCM的聚类中心和权值计算该加速度计样本相对于正常数据的隶属度μ_ki；步骤四：统计下一段时间T内，隶属度低于阈值Thr的加速度计样本个数A；步骤五：将收集的故障数据和正常数据用FDA算法分类，得到分类特征向量w_k。本发明应用于汽车性能监控领域。

主权项

基于可能性C均值聚类算法的在线汽车悬架性能监控方法，其特征在于它按以下步骤实现：步骤一：在汽车悬架处于健康状态下采集N个加速度计样本得到正常数据；其中所述每个加速度计样本为四维向量，一个加速度计样本包含四个加速度计采样值，每一个加速度计采样值称为加速度计样本的一个元素，每个元素代表一个加速度计值；步骤二：用FCM算法计算出N个正常数据的聚类中心，将计算出的聚类中心作为PCM的初始值，计算得到PCM的聚类中心υ_k和权值η_i；步骤三：在汽车悬架运行中，每隔一段时间ts采集一次加速度计值，根据PCM的聚类中心和权值计算该加速度计样本相对于正常数据的隶属度μ_ki，如果隶属度低于阈值Thr即0.4<Thr<0.5则转入步骤四；如果隶属度高于阈值，则表明正常状态，不需要采取措施；其中，所述d_ki表示样本x_i与聚类中心υ_k之间的距离；步骤四：统计下一段时间T即T>>ts内，隶属度低于阈值Thr的加速度计样本个数A，如果T时间内加速度计样本个数A达到样本总数NN的80％，则汽车悬架系统出现故障并收集故障数据；步骤五：将收集的故障数据和正常数据用FDA算法分类，得到分类特征向量w_k；通过特征向量w_k得到每一个加速度计值对分类的贡献，贡献最大的加速度计对应的弹簧出现故障。