论文部分内容阅读
步入信息时代,随着汽车工业的飞速发展,汽车在我国的保有量持续增加,且随着计算机电子技术在各行各业的迅猛发展,应用到车辆内部的功能越来越复杂化,用户对车辆的需求已不仅仅是代步。与此同时,越来越多的偶发性汽车故障暴露在用户与维修人员的视野中。本文着重在传统故障诊断的基础上对实际过程中的偶发性故障进行深入研究学习,以数据分析为基础,运用机器学习的方法对这类故障进行研究,通过对各类机器学习算法的理论分析及同类算法比较论证,最终采用逻辑回归算法构建了汽车偶发性故障智能分析的模型,并在此基础上开发实现了偶发性故障智能分析系统。首先,本文所设计的智能分析系统由三大部分组成:诊断终端、数据预处理、智能分析客户端。诊断终端主要通过诊断仪进行车载OBDII接口的连接,根据指定要求进行诊断数据的采集,并通过诊断仪的软件部分下载到本地服务器,进一步对诊断数据进行预处理。为智能分析的研究提供了数据基础。其次,针对车辆偶发性故障诊断数据特性,确定选用逻辑回归(Logistic Regression)用于本系统智能分析模型的构建。对故障识别来说,该算法在分类准确率上明显优于支持向量机、决策树等同类算法。在应用逻辑回归算法时,分析在分类特征逐个递增时分类准确率(故障识别率)的变化,逐一递增进行比较分析,且计算各分类特征针对某一特定故障时,其特征影响相关系数大小,并最终分析得出该偶发性故障发生时主要因素有哪些,哪一个特征又是最主要的影响参数。同时针对不同偶发性故障数据特性,应用不同的方法对其进行分析研究。最后,设计和实现了汽车偶发性故障智能分析系统。通过适当的预处理,根据具体故障特性与数据特性对其进行单一功能流程图设计并实现,随后对系统功能进行概述以及系统整体框架的设计,对系统的核心部分的内容进行实现,进而完成实现了汽车偶发性故障的智能分析系统。文章的最后对本文进行了总结以及后续的研究展望。