公开(公告)号：CN106803101B

公开(公告)日：2019-11-22

申请号：CN201611256419.9

申请日：2016-12-30

Applicant: 北京交通大学

Inventor： 上官伟 ,  蔡伯根 ,  臧钰 ,  王剑 ,  刘江 ,  石锡尧

IPC: G06K9/62 ,  G06N3/12 ,  G01C25/00

Abstract: 本发明提供了一种基于隐马尔科夫模型的里程计故障诊断方法。该方法包括：提取里程计运行过程中的特征数据作为观测量数据，对观测量数据进行预处理，将预处理后的观测量数据输入到隐马尔科夫模型中进行训练，得到车轮的正常、打滑、抱死三种状态的隐马尔科夫模型，建立里程计的故障状态分类器；将待识别的观测量数据输入到里程计的故障状态分类器，分别与车轮的各种状态的隐马尔科夫模型进行匹配，根据匹配结果确定待识别的观测量数据对应的车轮的状态。本发明对于故障状态的诊断精度有较大提高，通过遗传算法对隐马尔科夫模型中的参数训练部分进行改进，通过仿真对比后，结果表明在训练速度上遗传算法可以较快到达稳态。

公开(公告)号：CN106803101A

公开(公告)日：2017-06-06

申请号：CN201611256419.9

申请日：2016-12-30

Applicant: 北京交通大学

Inventor： 上官伟 ,  蔡伯根 ,  臧钰 ,  王剑 ,  刘江 ,  石锡尧

IPC: G06K9/62 ,  G06N3/12 ,  G01C25/00

Abstract: 本发明提供了一种基于隐马尔科夫模型的里程计故障诊断方法。该方法包括：提取里程计运行过程中的特征数据作为观测量数据，对观测量数据进行预处理，将预处理后的观测量数据输入到隐马尔科夫模型中进行训练，得到车轮的正常、打滑、抱死三种状态的隐马尔科夫模型，建立里程计的故障状态分类器；将待识别的观测量数据输入到里程计的故障状态分类器，分别与车轮的各种状态的隐马尔科夫模型进行匹配，根据匹配结果确定待识别的观测量数据对应的车轮的状态。本发明对于故障状态的诊断精度有较大提高，通过遗传算法对隐马尔科夫模型中的参数训练部分进行改进，通过仿真对比后，结果表明在训练速度上遗传算法可以较快到达稳态。