دانلود پایان نامه : بررسی راه حل های نرم افزاری تشخیص خطاهای موتور خودرو

پیشرفت های اخیر فن آوری در صنعت خودرو ، سیستم های خودرو را از نظر سخت افزاری و نرم افزاری بیش از پیش پیچیده کرده است. با افزایش پیچیدگی سیستم ها ، پیچیدگی نظارت کارآمد بر این سیستم نیز افزایش می یابد. با افزایش قدرت محاسباتی ، زمینه تشخیص برای همیشه بیشتر بر روی راه حل های نرم افزاری برای تشخیص و طبقه بندی ناهنجاری ها در سیستم های تحت نظارت متمرکز است. روشهای مبتنی بر مدل از دانش سیستم فیزیکی برای دستگاههای مدلهای اسمی سیستم برای تشخیص انحرافات استفاده می کنند ، در حالی که روشهای مبتنی بر داده از داده های تاریخی استفاده می کنند تا در مورد وضعیت فعلی سیستم مورد نظر نتیجه بگیرند. این مطالعه یک چارچوب تشخیصی مبتنی بر مدل و مبتنی بر داده را برای طبقه بندی گسل ، برآورد شدت و تشخیص تازگی ارائه می دهد. الگوریتمی ارائه شده است که با استفاده از یک مدل سیستم ، یک کاندیدای باقی مانده از مجموعه را برای سیستم تولید می کند. زیر مجموعه ای از باقیمانده ها با استفاده از رگرسیون لجستیک تنظیم شده با L1 برای هر گسل انتخاب می شود. داده های آموزش سری زمانی از باقیمانده های انتخاب شده با عیب و شدت برچسب گذاری شده اند. سپس با استفاده از یک نمایش پارامتری گاوسی ، و داده ها از حالت های مختلف گسل با استفاده از ماشین های بردار پشتیبانی 1 کلاس مدل سازی می شوند. طبقه بندی داده ها با استفاده از توضیحات ماشین بردار پشتیبانی از داده ها در فضای باقیمانده انجام می شود و شدت گسل به عنوان یک مسئله بهینه سازی محدب برای به حداقل رساندن واگرایی Kullback-Leibler (kld) بین داده های جدید و آموزش حالت های مختلف گسل و جدی بودن این الگوریتم با داده های جمع آوری شده از یک موتور خودروی ولوو در یک سلول آزمایش موتور آزمایش شده و نتایج در این گزارش ارائه شده است. آزمون های اولیه پتانسیل کیلوگرم برای تخمین شدت گسل را نشان می دهد و عملکرد جدید کشف جدید به روند انتخاب باقیمانده نزدیک است.