用于网联车辆传感器数据驾驶循环异常评估的深度卷积自编码器

本工作研究了一种实用且新颖的基于全卷积自编码器的车辆无监督故障自动检测方法。结果表明，我们开发的算法能够通过学习混合动力汽车动力总成传感器的多变量时间序列数据中的模式，检测对应于动力总成故障的异常。数据由福特汽车公司的工程师在多种驾驶循环变化下从众多传感器收集。本研究提供了训练后自编码器异常检测能力的证据，并考察了我们的自编码器相对于该数据集中其他无监督方法用于自动故障检测的适用性。在动力总成传感器数据上测试自编码器的初步结果表明，自编码器所提供的数据重构方法是一种识别多变量序列中异常段的鲁棒技术。这些结果支持混合动力汽车动力总成的异常通过嵌入式电子通信系统中的传感器信号传达，因此可通过训练算法以机制性方式识别。还测试了其他无监督方法，显示自编码器在故障检测上优于离群点检测器和其他新颖深度学习技术。