基于小波包与神经网络的EPS转矩传感器故障诊断

　　摘要本文针对EPS转矩传感器的故障特点，根据小波包变换能将信号按任意时频分辨率分解到不同频段的特性，结合小波包变换中能量可以表征电路的变化情况，提出了故障信号在不同分解频段的能量特征概念及算法，并将其与BP神经网络相结合，提出一种新的EPS转矩传感器故障诊断方法，实验结果表明了该方法的正确性和有效性。
　　【关键词】小波包变换 BP神经网络 EPS转矩传感器 故障诊断
　　1 引言
　　EPS是当前世界最发达的转向助力系统，它是电子控制单元（ECU）根据各传感器输出信号决定电动机的转动方向和最佳助力转矩的转向机构。EPS转矩传感器测定方向盘与转向器输出轴之间传递的转矩，并且将其转矩大小转化为电压值信号。
　　目前已形成了多种转矩传感器故障检测和诊断的方法，比如：故障树法、神经网络观测器以及基于小波分析的方法等等。小波分析是近年来发展起来的一个新的数学分支,非常适合于分析非平稳信号，对于EPS转矩传感器信号，可方便地剔除系统的噪声干扰和检测出故障信号。基于这一点，将信号进行若干次小波包分解，可以得到信号在各个频段上的分量，这样就实现了信号特征的分离。由于这些特征与故障之间是一种非常复杂的非线性关系，而BP神经网络又具有强大的综合分析能力，用构造的传感器的各种故障样本特征向量对BP神经网络进行分类训练，这样就能进行故障诊断。
　　2 故障诊断流程
　　信号获取→信号消躁→采样→小波包变换→提取各频带能量→归一化处理→BP神经网络→诊断输出。
　　3 基于小波包预处理的故障特征提取方法
　　设EPS转矩传感器电压信号为f(x)，令 ψ(x)为小波母函数，则f(x)的二进小波变换为
　　（1）
　　其中，离散信号的小波包分解算法为
　　 （2）
　　其中，ak，bk为小波包分解共轭滤波器系数。
　　小波包的重构算法为
　　（3）（4）
　　当能量较大时，可对特征向量进行归一化处理，令
　　 （5）
　　（6）
　　有了信号基于小波包的能量特征向量，就可以利用BP神经网络的非线性和拟合特性进行故障的诊断识别了。
　　4 BP神经网络
　　BP神经网络的结构如图1所示，图中的节点是BP神经网络的神经元，它的作用函数为，式中y—神经元的输出，xi—神经元的输入，wi—神经元的连接权值，θ—神经元的阈值，f—神经元的激活函数，由于采用IWPT预处理的小波包分析方法，构建的神经网络为输入层5个神经元，即为故障的能量特征向量维数，输出层为5个神经元（四种故障和正常状态），即为故障的类型数，隐含层为6个神经元，隐层节点函数选用sigmoid函数。
　　具体的BP网络训练算法可以查阅参考文献。BP网络在设计时，必须规定隐层的数目、每层的节点数、激活函数和输入/输出样本对。这些参数将会影响BP网络的收敛速度和BP网络的有效性。
　　本文提出的基于IWPT预处理的神经网络故障诊断方法，预处理的目的是为了减少神经网络输入层和隐层节点的个数，从而加快神经网络训练和收敛速度，提高故障诊断的效率。
　　5 结束语
　　通过小波包算法对传感器故障信号的分析发现传感器故障几种典型信号在各个频带内的能量分布是不同的，因此可以提取故障信号的子频带能量信号作为特征向量，在提取特征向量的过程中，采用IWPT（不完全小波包变换）预处理方法，使网络的输入层和隐含层节点数目都减少了，能够显著的提高神经网络的学习和收敛速度。将提取的特征向量作为神经网络的输入量，结合样本数据（训练样本和测试样本），利用BP算法对网络进行学习训练，实验表明，训练后的网络能对EPS转矩传感器的典型故障进行有效的诊断。
　　
　　参考文献
　　[1] 沈斌,陈敏.电动助力转向传感器故障研究[J].机电一体化,2012(5):59-63.
　　[2]A.Grossmann and J.Morlet, "Decomposition of hardyfunction into square integrable wavelets of constantshape,"SIAM J.Math.,vol.15, pp.723-736.
　　[3]Haykin S.Neural Networks A Comprehensive Foundation.Prentice Hall,2001
　　[4]Y.He,Y.Tan and Y.Sun,Wavelet neural network approach for fault diagnosis of analogue circuits.IEEE Proc.-Circuits Devices Syst.Vol 151(4), pp.379-384
　　[5]S.Mallat,"Multifrequency channel decompositions of images and wavelet models,"IEEE Trans.ASSP,vol.37, no.12,pp.2091-2110,1989.
　　
　　作者单位
　　重庆邮电大学重庆高校汽车电子与嵌入式系统工程研究中心重庆市400065