申请/专利权人：广州汽车集团股份有限公司

申请日：2021-06-11

公开（公告）日：2024-05-28

公开（公告）号：CN115467752B

主分类号：F02D41/22

分类号：F02D41/22;F02D41/24

优先权：

专利状态码：有效-授权

法律状态：2024.05.28#授权;2022.12.30#实质审查的生效;2022.12.13#公开

摘要：本发明公开了一种汽车发动机失火诊断分析的方法，其包括：步骤S10，周期性获得汽车发动机的转速、发动机扭矩、发动机曲轴转角信号，形成参数输入矩阵；步骤S11，将所述参数输入矩阵输入训练好的基于逻辑回归的失火诊断机器学习模型，获得诊断结果；步骤S12，将所述诊断结果在仪表上进行显示，或发送给ECU控制模块。本发明还公开了相应的系统以及计算机可读介质。实施本发明，可以基于逻辑回归的失火诊断机器学习模型进行发动机的失火诊断，具有快速、准确性高的优点。

主权项：1.一种汽车发动机失火诊断分析的方法，其特征在于，包括如下步骤：步骤S10，周期性获得汽车发动机的转速、发动机扭矩、发动机曲轴转角信号，形成参数输入矩阵；步骤S11，将所述参数输入矩阵输入训练好的基于逻辑回归的失火诊断机器学习模型，获得诊断结果，所述诊断结果包括：失火已发生和失火未发生；所述失火诊断机器学习模型采用下述预测函数获得诊断结果：Y＝gz＝11+e-zz＝θTX＝θ1x1+θ2x2+θ3x3其中，X为参数输入矩阵，X＝[x1，x2，x3]；θ为经过训练获得的最优参数矩阵，θ＝[θ1，θ2，θ3]；Y＝1代表失火已发生，Y＝0代表失火未发生；步骤S12，将所述诊断结果在仪表上进行显示，或发送给ECU控制模块；进一步包括：步骤S00，预先训练形成失火诊断机器学习模型，其中，通过采用训练集对失火诊断机器学习模型进行训练，确定最优参数矩阵θ＝[θ1，θ2，θ3]最终数值，获得训练好的基于逻辑回归的失火诊断机器学习模型，其中包括：根据计算获得的预测结果以及所采集的失火发生器模拟信号，建立失火混淆矩阵表，并根据失火混淆矩阵表来确定训练迭代终止；所述步骤S00至少包括：步骤S01，对样车进行试验，获得不同工况下与失火相关的关联参数；所述关联参数至少包括：发动机转速、发动机扭矩、发动机曲轴转角信号以及失火发生器模拟信号；步骤S02，按时间序列，选择所采集的关联参数中的发动机的转速、发动机扭矩、发动机曲轴转角信号，形成参数输入矩阵X，同时根据失火发生器模拟信号形成输出结果矩阵Y，根据不同工况下所有时间序列的参数输入矩阵和输出结果矩阵形成训练集。

全文数据：

权利要求：

百度查询： 广州汽车集团股份有限公司 汽车发动机失火诊断分析的方法、系统及计算机存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD