基于整车EMC标准测试和机器学习的反向诊断方法

作     者：雷剑梅 曾令秋 牟洁 陈立东 王淙 柴勇 LEI Jian-mei;ZENG Ling-qiu;MU Jie;CHEN Li-dong;WANG Cong;CHAI Yong

作者机构：汽车噪声振动和安全技术国家重点实验室重庆400044 重庆大学汽车工程学院重庆400044 重庆大学计算机学院重庆400044 

出 版 物：《计算机科学》 (Computer Science)

年 卷 期：2021年第48卷第6期

页      面：190-195页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：汽车噪声振动和安全技术国家重点实验室2019年度开放基金(NVHSKL-201913) 国家自然科学基金(61601066)。 

主　　题：测试数据 EMC 特征提取 支持向量机 故障诊断 朴素贝叶斯 

摘      要：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。