导言
电控主动变速器(AMT)是机、电、液一体化的杂乱总成，它具有非线性、多变量、多参数和时变等特色，其毛病症状与产生原因之间联系杂乱。跟着电子自确诊才能的进步，出自AMT电控体系电器元件(如传感器、电磁阀)自身的毛病大多能够依托读解毛病码或经过详细的元器件测验加以确诊。但关于AMT机械、液压操控体系毛病或其他操控单元(如发动机ECU)部件失效所引起的AMT毛病，现有自确诊体系的确诊成果往往短少准确性和全面性。而依据实验的确诊办法多针对已产生毛病的离线检测和剖析，且需求技术人员熟练掌握检测设备及AMT的结构和作业原理，施行进程相对杂乱，在线确诊才能和实时性较差。跟着核算机技术的开展，CAN总线作为一种支撑分布式实时操控体系的串行通讯局域网已开端在中高档轿车上使用，其具有通讯速率高、误码率低、可靠性和实时性好、易于整车操控网络连接和办理等长处，为在线毛病确诊供给了根底渠道。
为进一步进步AMT作业的可靠性和安全性，本文提出并规划一种构建在CAN总线上的在线毛病确诊体系(以下简称体系)。该体系经过CAN总线实时收集AMT操控单元各传感器供给的工况数据作为实际确诊数据，结合数据库中存储的前史毛病数据，使用主成分剖析(PCA)完结输入变量降维和去相关。并选用减法聚类(subtractive)算法生成含糊推理模型的初始结构，在此根底上树立自适应含糊神经网络(ANFIS)确诊模型，完结对AMT毛病的在线监测和确诊。
1毛病确诊体系概述
1．1确诊计划的提出
逻辑剖析法是较为常用的毛病确诊办法，但该办法的使用要求检测和修理人员了解AMT和相关检测设备的结构功用和作业原理，且剖析进程往往需求失速、时滞等相关实验成果的支撑，完结在线实时毛病确诊存在必定困难。相关研讨标明，必定的毛病情况下。AMT的车速、主轴转速等运转参数与毛病原因之间存在必定的映射联系，使用神经网络的办法从中抽取出各自的特征规则，树立确诊数学模型，使确诊进程中检测人员无须要点了解AMT和相关设备的结构原理即可就此模型正确辨认出对应于特征规则的毛病。这是本文毛病确诊体系规划与完结的理论根底。
1．2体系结构及完结原理
图1确诊体系整体结构
体系整体结构如图1所示。该体系包含硬件、软件两部分。硬件部分首要完结数据的收集与传输，软件部分首要完结信号剖析到确诊。体系详细由AMT操控单元、CAN通讯闱络子体系以及监测确诊单元3部分组成。其间AMT操控单元(ECu)担任收集在线状况信号并进行预处理，取得体系需求的原始状况数据。关于内部集成CAN操控器的ECU，可经过CAN收发器挂入总线并实时向体系发送数据。而关于未集成CAN操控器的ECU，则在体系规划时选用独立CAN操控器，将原始数据经过CAN总线网络实时发送给监测确诊单元。
CAN通讯网络子体系的要害足CAN操控器和CAN驱动器。本文选用的CAN操控器为Philips公司的SJAl000，CAN驱动器为PCA82C250。其能够供给总线的差动发送和接纳才能，传输速率可达1 MB／s，有较强的抗干扰才能。选用6N137作为外电路与体系的光电阻隔，可进步体系抗干扰才能。
关于监测确诊单元，考虑到神经网络毛病确诊完结的算法杂乱，核算量大，一般的微处理器难以满足要求，选用TI公司的32位具有浮点运算才能的DSP芯片TMS320VC33—120作为在线毛病确诊体系的主CPU。为便于体系软、硬件及功用的扩展。整个嵌入式监测确诊单元选用依据DSP—ARM双CPU结构，即DSP芯片将和Philips公司已集成CAN操控器的LPC2292嵌入式处理器结合起来构成一种全新的嵌入式体系渠道，使用于监测确诊单元。监测确诊单元能够分为数据收集、数据处理和体系操控3个部分。数据收集和体系操控部分由高功能ARM处理器和Windows CE．NET嵌入式操作体系来完结，数据处理部分则选用DSP来完结。
监测确诊单元依照功用可分为3个模块：①主操控模块。担任通讯、数据的收集和预处理并终究向用户界面发送确诊成果。②神经网络毛病确诊模块。依据前史数据构建神经网络模型，使用输入样本数据进行毛病确诊。③嵌入式数据库。担任存储不断丰富的前史毛病样本，为确诊模块供给充沛数据支撑。
体系确诊流程如图2所示。
图2体系完结进程
1．3 CAN总线结构在体系中使用的含义AMT毛病确诊的完结需求许多多类轿车行进的状况数据来辨认和推理各部件是否处于正常运转状况，一起，整车行进功能的进步又需求发动机、AMT等各单元的和谐操控。首要体现在以下2个方面：①确诊进程中仅经过单一的操控单元很难确保所收集毛病信息的全面性。如发动机电控体系的节气门开度和转速传感器信号也是AMT体系必需的重要信号。该类信号的异常将影响变速器正常运转。体系经过CAN总线将各操控单元与监测确诊单元连接起来，毛病确诊模块能够从其他操控单元取得相关毛病数据，不断丰富确诊数据内容，有利于毛病特征的充沛提取，进步毛病确诊模型的输出精度，然后实实际时分布式毛病确诊。②关于已配备CAN总线操控网络的车辆或工程机械，监测确诊单元能够作为一个节点挂接到网络中，在到达必定的毛病在线自确诊要求下，使用现有的行进状况信息，使添加的硬件到达最小的极限。
2毛病确诊模型的树立
传统的毛病确诊办法中，毛病模型的树立多选用BP神经网络算法，但该网络存在学习进程易堕入部分最小值，收敛速度慢、练习时间长、网络结构的选取短少老练理论指导等问题。因而，本文使用ANFIS来树立AMT毛病确诊模型。该模型使用神经网络的参数和结构练习办法，完结含糊体系的自学习和自适应，具有推行才能强和收敛速度快等特色。此外，为简化ANFIS模型并进步其学习速率和输出精度，本文提出一种结合主成分剖析和减法聚类的ANFIS确诊模型，模型结构如图3所示。
图3体系毛病确诊模型结构
2．1 AMT毛病确诊的数学描绘
AMT的常见毛病首要包含轿车无法行进、换挡冲击过大、不能升挡等。导致AMT毛病的原因许多，可能是调整不妥或电控体系毛病，也可能是油泵、变矩器、操控阀或许换挡履行元件等有毛病。本文以MPYA电控主动变速器无上行换挡毛病确诊为方针，剖析其首要毛病原因包含：①换挡阀卡滞。②输入轴转速传感器毛病。③调速阀毛病或其油路走漏。④挡位开关毛病等，挑选其间具有代表性的①、②两类毛病作为确诊内容，由AMT结构及其操控流程基本原理可知，传感器毛病归于电控部分毛病，而换挡阀等换挡履行元件毛病则归于液压操控部分毛病，结合正常工况共挑选3种待确诊的毛病形式进行研讨。树立各类毛病形式下对应的毛病确诊模型，如下列非线性方程为
2．2主成分剖析
主成分剖析便是设法将原有多个毛病预兆变量从头组合成一组较少的、相互无关的归纳变量。使较少的归纳目标尽可能多地反映本来目标体系的信息，能够对确诊模型输入变量矩阵进行降维预处理，到达简化模型结构并进步其学习速率和输出精度的意图。
