通过PCA优化的特征提取和机器学习,实时识别汽车制动口径的缺陷
Juwon Lee1, Ukyong Woo1,2, Myung-Hun Lee1
1School of Architecture, Soongsil University, Seoul 06978, Republic of Korea.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
一个新的非接触式系统使用冲击声学来检测汽车制动口径的缺陷. 这种自动化质量控制方法的准确度超过95%,确保更安全的电动停车制动系统.
科学领域:
- 机械工程 机械工程
- 材料科学 材料科学 材料科学
- 人工智能的人工智能
背景情况:
- 汽车制动口径对于电动停车制动 (EPB) 系统至关重要.
- 制造缺陷可能会损害标杆性能,导致制动问题.
- 质量控制需要实时,非接触式缺陷检测.
研究的目的:
- 开发一个非接触式自动冲击声学测量系统 (AIAMS).
- 能够实时检测制造缺陷的制动口径.
- 提高EPB系统的可靠性和安全性.
主要方法:
- 实现了一种基于冲击和麦克风的自动冲击系统.
- 利用快速里叶变换 (FFT) 和主要组件分析 (PCA) 来进行特征提取.
- 使用机器学习算法 (SVM,KNN,DT) 来进行缺陷分类.
主要成果:
- 香农透 (SE) 通过PCA被确定为最具歧视性的特征.
- 实现了很高的分类准确度:SVM (99.2%/97.5%),KNN (98.8%/98.0%),DT (99.2%/96.5%). 通过高分类准确度,我们可以实现高分类准确度.
- 现场测试证实了超过95%的平均缺陷分类准确度.
结论:
- 艾亚姆斯是有效的实时,非接触式质量控制的制动口径.
- 该系统增强了EPB组件的制造缺陷检测.
- 已证明在工业环境中具有高精度的实际应用性.
更多相关视频
06:45Design and Application of a Fault Detection Method Based on Adaptive Filters and Rotational Speed Estimation for an Electro-Hydrostatic Actuator
Published on: October 28, 2022
2.1K
14:27Identification of Disease-related Spatial Covariance Patterns using Neuroimaging Data
Published on: June 26, 2013
16.1K
