一种基于数据驱动的汽车三元催化器的故障诊断方法

摘要

本发明涉及一种基于数据驱动的汽车三元催化器的故障诊断方法，属于汽车三元催化器故障诊断技术领域。该方法首先通过转鼓实验平台完成对三元催化器尾气的采集，得到故障尾气数据；然后利用FrFT(分数阶傅里叶变换)将采集的原始尾气信号映射到分数阶域并通过粒子群算法确定最优分数阶p值，完成对尾气信号的初步特征提取，进一步对初步得到的故障特征进行分形分析得到信号的分形维特征，利用KECA(核熵成分分析)对分形维特征数据降维便于可视化聚类；最后通过改进的FCM聚类算法进行聚类分析诊断出故障。本方法可以对汽车三元催化器进行有效地故障诊断，改善了现有的基于OBD诊断技术中模型简化单一、不能有机整合和通用性较差的问题。

主权项

一种基于数据驱动的汽车三元催化器的故障诊断方法，其特征在于：该方法包括以下步骤：S1：数据获取：采用转鼓实验平台采集汽车尾气数据，通过系统计算得出汽车三元催化器在不同故障情况下的尾气成分数据；S2：特征提取：对获取的尾气成分数据进行FrFt变换，将原始数据空间中可分性差的信号映射到各个分数阶域，以基于类内类间散布矩阵的可分性判据J＝tr{S_b}/tr{S_w}作为适应度函数，运用粒子群算法实现对最优分数阶定位，并对所得的最优阶次的FrFT信号进行分形计算，得到对应的分形维特征；S3：维数简约：采用KECA算法对步骤S2得到的特征进一步降维，得到适用于可视化聚类的分形维故障特征；S4：聚类分析：采用改进测度的FCM模糊聚类算法对步骤S3得到的分形维故障特征聚类分析，得到故障的分类结果；S5：故障辨识：基于得到的故障分类结果进行三元催化器故障诊断处理。