基于整车EMC标准测试和机器学习的反向诊断方法
智能汽车的快速发展促使电磁兼容(Electromagnetic Compatibility,EMC)测试技术得以完善,同时也给车辆EMC设计带来了新的挑战,而面向测试数据的故障排查有利于车辆EMC的设计.随着电子系统复杂性的提升,车载系统设计人员面临着越来越多的电磁兼容故障可能性,因此需要更为有效的EMC故障诊断方法.然而,由于EMC测试数据集具有样本小、非线性、高维等特点,致使EMC故障诊断难度较大.鉴于此,结合EMC测试工程师多年的整改经验,文中提出了一种关于电磁兼容测试数据的特征提取算法,并利用从测试数据中提取出的有价值的特征数据,搭建了支持向量机二分类模型,实现了EMC故障分类,并展示了相应的应用效果.为了验证所提方法的有效性,采用朴素贝叶斯分类模型进行对比,实验结果表明,所提方法能够满足智能汽车EMC故障诊断的需求.
测试数据、EMC、特征提取、支持向量机、故障诊断、朴素贝叶斯
48
TP206+.3;TP181(自动化技术及设备)
汽车噪声振动;国家重点实验室开放基金;国家自然科学基金
2021-06-28(万方平台首次上网日期,不代表论文的发表时间)
共6页
190-195