Bootstrap法在车辆故障检测中的研究及应用.pdf

2005125 Bootstrap法在车辆故障检测中的研究及应用孟庆华,周晓军,庞茂,张金迎(浙江大学机械与能源学院,杭州 310027) [摘要] 介绍Bootstrap方法的原理并将Bootstrap方法应用于检测车辆中存在的故障,通过计算不同故障下的车辆样本之间均匀Kullback-Leible距离的均值以及在给定置信度下的置信区间等特征值来反映被测车辆的故障种类。给出一种新的随机数产生器用在Bootstrap法重采样中产生新的随机序列。以车辆上的驱动桥为检测对象对该算法进行了验证,结果表明该算法能准确检测出驱动桥所存在的故障。关键词:Bootstrap,Kullback-Leible距离,特征提取,故障检测,驱动桥 StudyandApplicationofBootstrapMethodinVehicleFaultDetectionTechnology MengQinghua,ZhouXiaojun,PangMao&ZhangJinying TheCollegeofMechanicalandEnergyEngineering,ZhejiangUniversity,Hangzhou310027 [Abstract] confidenceintervalsofsymmetricalKullback-Leible(SKL)distancesofdifferentvehiclefaultsamplesreflectthe - -thedetectionoffaultsinthedriveaxleofaveh-i :Bootstrap,Kullback-Leibledistance,Featureextraction,Faultdetection,Driveaxle 原稿收到日期为2004年5月21日,修改稿收到日期为2004年9月3日。 1 前言 1979年美国斯坦福大学统计系教授Efron1B 提出了Bootstrap方法[1]。其基本思想就是把数字仿真与古典统计学有机结合起来,利用小子样数据来进行统计计算,从而显著地解决了传统统计计算中存在的问题。该方法尤其适用于信号处理中的统计指标准确度评估和小样本情况下参数值的估计。文献[2]首次尝试将Bootstrap方法应用于工程诊断中。 2 Bootstrap方法 211 基本原理取一个样本x={X 1,X 2,,,X n},这个样本是从一个未知分布F中随机抽取出来的n个数据。随机意味着X i是独立的随机变量,并且均服从同样的分布F。设H为F中的一个未知参数,比如均值或者方差。然后从样本x中获取H的估计值^H的分布,这在实际应用中是非常重要的。一种获得^H分布或其特征值的方法是重复进行大量的试验,在许多实际情况下,这种方法是不可行的,一方面是费