کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4975213 1365566 2014 14 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data-driven fault diagnosis for an automobile suspension system by using a clustering based method
ترجمه فارسی عنوان
تشخیص خطای داده برای یک سیستم تعلیق خودرو با استفاده از روش مبتنی بر خوشه بندی
ترجمه چکیده
این مقاله به مسائل مربوط به تشخیص خطا و نظارت بر سیستم تعلیق خودرو اشاره دارد که در آن فقط سنسورهای شتاب دهنده در چهار گوشه بدن موجود است. یک روش مبتنی بر خوشه بندی برای تشخیص خطا در بهار پیشنهاد شده است و تجزیه و تحلیل محرمانه فیشر برای جداسازی عامل ریشه در گسل استفاده می شود. از ویژگی های بسیاری از رویکردهای موجود، ویژگی مشخصه خالص داده ها، این روش را به عنوان یک ابزار خطای تشخیص و نظارت بر روی خط بدون مدل تعلیق یا ویژگی های خطا شناخته شده به عنوان یک پیش فرض، خدمت می کند. علاوه بر این، این روش می تواند کاهش های مختلف در ضریب بهار را به یک گسل به جای گسل های مختلف طبقه بندی کند. اثربخشی روش پیشنهادی در نهایت بر روی یک معیار تعلیق خودرو نشان داده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر پردازش سیگنال
پیش نمایش مقاله
تشخیص خطای داده برای یک سیستم تعلیق خودرو با استفاده از روش مبتنی بر خوشه بندی
چکیده انگلیسی
This paper concerns the issues of fault diagnosis and monitoring for an automobile suspension system where only accelerator sensors in the four corners of the car body are available. A clustering based method is proposed to detect the fault happened in the spring, and the Fisher discriminant analysis is applied to isolate the root factor for the fault. Different from most of the existing approaches, the pure data-driven characteristic enables this method to serve as an on-line fault diagnosis and monitoring tool without suspension model or fault features known as a prior. Moreover, this method can classify different reductions in the spring coefficient into one fault rather than different faults. The effectiveness of the proposed method is finally illustrated on an automobile suspension benchmark.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of the Franklin Institute - Volume 351, Issue 6, June 2014, Pages 3231-3244
نویسندگان
, ,