基于可能性c均值聚類算法的在線汽車懸架性能監(jiān)控方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及基于可能性C均值聚類算法（PCM)的在線汽車懸架性能監(jiān)控方法。
【背景技術(shù)】
[0002] 隨著汽車行業(yè)的飛速發(fā)展，車輛的舒適度、安全性W及可靠性受到了廣泛的關(guān)注， 其中汽車懸架系統(tǒng)是影響汽車性能的重要部分。健康狀態(tài)的汽車懸架系統(tǒng)不但能夠保證 汽車輪胎緊密的抓緊地面，更加有利于剎車，而且駕駛中汽車車體震動幅度很小，提高舒適 度。如果汽車懸架系統(tǒng)出現(xiàn)故障，就會導(dǎo)致汽車的安全性舒適性大大降低。因此，汽車懸架 系統(tǒng)的在線性能監(jiān)控是非常重要的。目前，汽車懸架性能監(jiān)控系統(tǒng)還不成熟，基于模型的監(jiān) 控手段受限于精確模型難W獲取，還處于實(shí)驗(yàn)室階段；一些基于數(shù)據(jù)的監(jiān)控算法，圓于計算 量較大，不便于實(shí)現(xiàn)在線性能監(jiān)控。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明是要解決現(xiàn)有方法計算量大不能實(shí)現(xiàn)在線性能監(jiān)控的問題，而提供了基于 可能性C均值聚類算法的在線汽車懸架性能監(jiān)控方法。
[0004] 基于可能性C均值聚類算法的在線汽車懸架性能監(jiān)控方法，它按W下步驟實(shí)現(xiàn)：
[0005] 步驟一：在汽車懸架處于健康狀態(tài)下采集N個加速度計樣本得到正常數(shù)據(jù)；其中 所述每個加速度計樣本為四維向量，一個加速度計樣本包含四個加速度計采樣值，每一個 加速度計采樣值稱為加速度計樣本的一個元素，每個元素代表一個加速度計值；
[0006] 步驟二：用FCM算法計算出N個正常數(shù)據(jù)的聚類中心將計算出的聚類中屯、作為 PCM的初始值，計算得到PCM的聚類中屯、Uk和權(quán)值n
[0007] 步驟S ;在汽車懸架運(yùn)行中，每隔一段時間ts采集一次加速度計值，根據(jù)PCM的 聚類中屯、和權(quán)值計算該加速度計樣本相對于正常數(shù)據(jù)的隸屬度Uki，如果隸屬度低于闊值 化r(0.4Cr虹<0.5)則轉(zhuǎn)入步驟四；如果隸屬度高于闊值，則表明正常狀態(tài)，不需要采取措 施；其中，所過
dk康示樣本X占聚類中屯、U k之間的距離；
[000引步驟四：統(tǒng)計下一段時間T(T〉〉ts)內(nèi)，隸屬度低于闊值化r的加速度計樣本個數(shù) A，如果T時間內(nèi)加速度計樣本個數(shù)A達(dá)到樣本總數(shù)順的80%，則汽車懸架系統(tǒng)出現(xiàn)故障并 收集故障數(shù)據(jù)；
[0009] 步驟五；將收集的故障數(shù)據(jù)和正常數(shù)據(jù)用抑A算法分類，得到分類特征向量Wk;通 過特征向量Wk得到每一個加速度計值對分類的貢獻(xiàn)，貢獻(xiàn)最大的加速度計對應(yīng)的彈黃出現(xiàn) 故障。
[0010] 發(fā)明效果：現(xiàn)有性能監(jiān)控方法大多采用定時到汽車維護(hù)點(diǎn)檢修的方法，不能實(shí)現(xiàn) 在線性能監(jiān)控。首先本方法實(shí)現(xiàn)了在線性能監(jiān)控；其次，本方法只需要四個加速度計的值， 在實(shí)際實(shí)現(xiàn)中，不需要額外增加大量的硬件，可實(shí)現(xiàn)性強(qiáng)；最后，PCM離線學(xué)習(xí)獲得聚類中 屯、，在線運(yùn)行時，僅需要簡單的計算出新采樣點(diǎn)與聚類中屯、的距離，進(jìn)而通過公式計算隸屬 度，在線計算量很低，可實(shí)現(xiàn)性高
[0011] 本發(fā)明提出了基于可能性C均值聚類算法的在線汽車懸架性能監(jiān)控系統(tǒng)。該系統(tǒng) 只利用汽車懸架中的四個加速度計的輸出值，就能實(shí)現(xiàn)在線監(jiān)控汽車懸架中對應(yīng)四個輪胎 的四個角中的彈黃是否發(fā)生故障。
【附圖說明】
[0012] 圖1是汽車懸架的結(jié)構(gòu)圖。
【具體實(shí)施方式】
【具體實(shí)施方式】 [0013] 一；本實(shí)施方式的基于可能性C均值聚類算法的在線汽車懸架性能 監(jiān)控方法，它按W下步驟實(shí)現(xiàn)：
[0014] 步驟一：在汽車懸架處于健康狀態(tài)下采集N個加速度計樣本得到正常數(shù)據(jù)；其中 所述每個加速度計樣本為四維向量，一個加速度計樣本包含四個加速度計采樣值，每一個 加速度計采樣值稱為加速度計樣本的一個元素，每個元素代表一個加速度計值；
[0015] 步驟二：用FCM算法計算出N個正常數(shù)據(jù)的聚類中屯、，將計算出的聚類中屯、作為 PCM的初始值，計算得到PCM的聚類中屯、Uk和權(quán)值ni;(前兩個步驟是離線學(xué)習(xí)過程，后 面是在線監(jiān)控過程）
[0016] 步驟在汽車懸架運(yùn)行中，每隔一段時間ts采集一次加速度計值，即一個加 速度計樣本，根據(jù)PCM的聚類中屯、和權(quán)值計算該加速度計樣本相對于正常數(shù)據(jù)的隸屬 度Uki，如果隸屬度低于闊值化r(0. 4<化六0. 5)則轉(zhuǎn)入步驟四，說明該加速度計樣本可 能不屬于正常數(shù)據(jù)；如果隸屬度高于闊值，則表明正常狀態(tài)，不需要采取措施；其中，所述
dki表示樣本Xi與聚類中屯、U k之間的距離；
[0017] 步驟四：統(tǒng)計下一段時間T(T〉〉ts)內(nèi)，隸屬度低于闊值化r的加速度計樣本個數(shù) A，如果T時間內(nèi)加速度計樣本個數(shù)A達(dá)到樣本總數(shù)順的80%，則汽車懸架系統(tǒng)出現(xiàn)故障并 收集故障數(shù)據(jù)；
[0018] 步驟五；將收集的故障數(shù)據(jù)和正常數(shù)據(jù)用抑A算法分類，得到分類特征向量Wk;通 過特征向量Wk得到每一個加速度計值對分類的貢獻(xiàn)，貢獻(xiàn)最大的加速度計對應(yīng)的彈黃出現(xiàn) 故障。
[0019]
【具體實(shí)施方式】二；本實(shí)施方式與【具體實(shí)施方式】一不同的是；所述步驟二中用FCM 算
[0020] 法計算出N個正常數(shù)據(jù)的聚類中屯、具體為：
[002U FCM對初始條件不敏感，X = {Xi|i = 1，2,…，N}為N個加速度計樣本組成的數(shù)據(jù) 集，其中一個樣本表示為Xi= [Xu…xj，Xi為一個采樣點(diǎn)，一個采樣點(diǎn)里有b個數(shù)據(jù)，Xi。 為第b個數(shù)據(jù)；
[0022] FCM通過求取使目標(biāo)函數(shù)最小的解來完成對N個樣本的聚類，目標(biāo)函數(shù)如下，
[0023]
[0024] 其中，WkiE[0, 1]:
m代表模糊指數(shù)，c代表聚類中屯、 的個數(shù)；k表示第k個聚類中屯、，i表示第i個樣本，y ki表示第i個樣本相對于第k個聚類 中屯、的隸屬度；
[0025] 目標(biāo)函數(shù)的解如下：
[0026]
[0027] Uk代表第k類的聚類中屯、：
dk康示樣本X;與聚類中屯、Uk之間的 距離，j表示第j個聚類中屯、，y ki表示第i個樣本對于第k個聚類中屯、的隸屬度；d j,表示 第i個樣本對于第j個聚類中屯、的距離。
[002引其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
【具體實(shí)施方式】 [0029] 本實(shí)施方式與一或二不同的是：所述步驟二將計 算出的聚類中屯、作為PCM的初始值，計算得到PCM的聚類中屯、〇k和權(quán)值n i具體為：
[0030] PCM對于初始條件較為敏感，利用FCM初步聚類的結(jié)果作為PCM的初始值，PCM在 對加速度計樣本點(diǎn)分類時，樣本點(diǎn)對任一聚類類別的隸屬度在0-1之間，對