سامانه سلامت سنجی حسگرهای درون خودرویی مبتنی بر شبکه عصبی خودرمزگذار و رگرسیون جنگل تصادفی: نمونه موردی سایپا

با پیشرفت سریع فناوری حسگر و شبکه، پردازش داده‌های حسگرهای سنجش لرزش، دما، فشار، ولتاژ و سایر پارامترهای الکتریکی و مکانیکی خودروها برای کنترل و هشداردهی مورد توجه قرار گرفته است. لازمه ابقای این خدمات، حفظ سلامت حسگرها و تعویض به موقع آنها در هنگام تشخیص خرابی است. در این پژوهش، یک سامانه سلامت سنجی حسگرهای واحد کنترل الکترونیکی خودرو (ecu) پیشنهاد می شود که با استفاده از روشهای یادگیری ماشین، مقادیر حسگرها را به صورت مداوم پیشبینی می کند. سپس این مقادیر را با مقادیر ثبت شده حسگرها مقایسه نموده و بر اساس یک مدل آماری مبتنی بر توزیع گوسی، خرابی های احتمالی را شناسایی می کند. با کمک این سامانه، تشخیص زودهنگام خرابی و جایگزینی حسگر خراب، ممکن خواهد بود و این امر موجب کاهش هزینه‌های تعمیر و نگهداری، بهبود تصمیم‌گیری صحیح واحد کنترل خودرو، حفظ نسبت سوخت و هوا در موتور و کاهش آلاینده های زیست محیطی می شود. کارایی سامانه پیشنهادی، روی داده های بیست حسگر موثر در واحد کنترل الکترونیکی خودروی کوییک سایپا مورد ارزیابی قرار گرفته است و به کارگیری شبکه عصبی خودرمزگذار برای شناسایی خرابی و رگرسیون جنگل تصادفی برای تخمین مقدار صحیح حسگر و جانشانی آن با مقادیر نادرست حسگر خراب، اثبات شده است. دقت سامانه سلامت سنجی پیشنهادی، روی داده های واقعی ذکر شده، 99 درصد بوده است.