[发明专利]一种汽车发动机的失效检测方法

摘要

本发明公开了一种汽车发动机的失效检测方法，包括以下步骤：确定发动机失效特征参数集、失效类型集，失效特征参数集中包含多个失效特征参数，失效类型集中包含多个失效类型；根据失效特征参数集和失效类型集，建立基于核函数的结构风险最小化机器学习模型；利用样本集，训练并优化基于核函数的结构风险最小化机器学习模型；检测发动机的多个失效特征参数，将多个失效特征参数作为失效检测的数据源；将所述数据源输入到基于核函数的结构风险最小化机器学习模型中，得出失效检测结果。上述方法，基于核函数的结构风险最小化机器学习算法和主元特征提取相结合，实现了对发动机快速、准确的失效检测，同时其失效检测能力强、确诊率高、误判率低。

主权项

1.一种汽车发动机的失效检测方法，其特征在于，包括以下步骤：(1)确定发动机失效特征参数集、失效类型集，所述失效特征参数集中包含多个失效特征参数，所述失效类型集中包含多个失效类型；(2)根据失效特征参数集和失效类型集，建立基于核函数的结构风险最小化机器学习模型；(3)利用样本集，训练并优化基于核函数的结构风险最小化机器学习模型；(4)检测发动机的多个失效特征参数，将多个失效特征参数作为失效检测的数据源；(5)将所述数据源输入到基于核函数的结构风险最小化机器学习模型中，得出失效检测结果；步骤(1)所述失效特征参数集包括汽车发动机的温度、主继电器控制端的电压、转速传感器的阻值、振动频率、噪声强度和油门踏板接插件端子电压；所述失效类型集包括缺油，ECU烧毁，输油泵损坏或失灵，进气温度传感器损坏，油门参考信号线松脱，单体泵磨损严重，油路进气，增压压力过小，单体泵电磁阀开路，电源继电器损坏，单向阀损坏和蓄电池失常；步骤(2)基于核函数的结构风险最小化机器学习模型的输出向量为失效类型集，输入向量为失效特征参数集中每个失效特征参数的主元特征值；步骤(3)中采用网格搜索法在线优化基于核函数的结构风险最小化机器学习模型；步骤(5)包括以下子步骤：(5.1)将数据源进行小波去噪处理；(5.2)计算数据源中每个失效特征参数的主元特征值；(5.3)将步骤(5.2)中计算出的主元特征值输入到优化后的结构风险最小化机器学习模型中，得出失效检测结果。