《基于神经网络的发动机点火故障诊断研究（学位论文-工学）》由会员分享，可在线阅读，更多相关《基于神经网络的发动机点火故障诊断研究（学位论文-工学）（84页珍藏版）》请在金锄头文库上搜索。
1、分 类 号 ： U472.9 密 级 ： ： 629 编 号 ：工 学 硕 士 学 位 论 文基于神经网络的发动机点火故障诊断研究硕士研究生：王超指导教师 ：王铁学科、专业：车辆工程沈 阳 理 工 大 学2013 年 3 月分 类 号 ： U472.9 密 级 ：U D C ： 629 编 号 ：工 学 硕 士 学 位 论 文基于神经网络的发动机点火故障诊断研究硕 士 研 究 生 ： 王 超指 导 教 师 ： 王 铁学 位 级 别 ： 工 学 硕 士学 科 、 专 业 ： 车 辆 工 程所 在 单 位 ： 汽 车 与 交 通 学 院论 文 提 交 日 期 ： 2012 年 12 月论 文 答
2、辩 日 期 ： 2013 年 3 月学 位 授 予 单 位 ： 沈 阳 理 工 大 学Classification Index:U472.9U.D.C :629A Thesis for the Master Degree of EngineeringResearch on engine ignition fault diagnosisbased on neural networkCandidate : Wang ChaoSupervisor : Wang TieAcademic Degree Applied for : Master of EngineeringSpeciality : Veh
3、icle EngineeringDate of Submission : December,2012Date of Examination : March,2013University : Shenyang Ligong University沈 阳 理 工 大 学硕 士 学 位 论 文 原 创 性 声 明本 人 郑 重 声 明 :本论文的所有工作，是在导师的指导下，由作者本人 独 立 完 成 的 。 有 关 观 点 、 方 法 、 数 据 和 文 献 的 引 用 已 在 文 中 指 出 ，并 与 参 考 文 献 相 对 应 。 除 文 中 已 注 明 引 用 的 内 容 外 ， 本 论 文 不
4、 包 含 任何 其 他 个 人 或 集 体 已 经 公 开 发 表 的 作 品 成 果 。 对 本 文 的 研 究 做 出 重 要贡 献 的 个 人 和 集 体 ， 均 己 在 文 中 以 明 确 方 式 标 明 。 本 人 完 全 意 识 到 本声 明 的 法 律 结 果 由 本 人 承 担 。作 者 （ 签 字 ） ：日 期 ： 年 月 日学 位 论 文 版 权 使 用 授 权 书本 学 位 论 文 作 者 完 全 了 解 沈 阳 理 工 大 学 有 关 保 留 、 使 用 学 位 论 文的 规 定 ， 即 ： 沈 阳 理 工 大 学 有 权 保 留 并 向 国 家 有 关 部 门 或 机
5、 构 送 交 学位 论 文 的 复 印 件 和 磁 盘 ， 允 许 论 文 被 查 阅 和 借 阅 。 本 人 授 权 沈 阳 理 工大 学 可 以 将 学 位 论 文 的 全 部 或 部 分 内 容 编 入 有 关 数 据 库 进 行 检 索 ， 可以 采 用 影 印 、 缩 印 或 其 它 复 制 手 段 保 存 、 汇 编 学 位 论 文 。（ 保 密 的 学 位 论 文 在 解 密 后 适 用 本 授 权 书 ）学 位 论 文 作 者 签 名 ： 指 导 教 师 签 名 ：日 期 ： 日 期 ：沈阳理工大学硕士学位论文摘 要随 着 科 技 的 不 断 进 步 和 人 民 生 活 水 平
6、 的 不 断 提 高 ， 汽 车 越 来 越 普 遍 的 走 进 我们 的 生 活 ， 同 样 带 来 的 问 题 还 有 汽 车 的 故 障 发 生 率 越 来 越 高 。 但 是 我 们 对 汽 车 故障 诊 断 的 专 业 人 才 和 所 匹 配 的 专 业 知 识 却 达 不 到 目 前 汽 车 界 要 求 ， 这 就 需 要 我 们找 到 一 个 高 效 、 准 确 的 方 法 对 汽 车 故 障 进 行 诊 断 和 研 究 。发 动 机 是 汽 车 的 心 脏 ， 汽 车 的 大 部 分 故 障 是 因 为 发 动 机 引 起 的 ， 而 发 动 机 的故 障 有 45%-50%是
7、由发动机点火系统故障所导致。本文在查阅大量文献的基础上，对 Accord 轿 车 中 的 F23A1 车 型 进 行 了 点 火 系 统 故 障 研 究 分 析 ， 以 次 级 点 火 电 压 波形为研究基础，确定了该车型的四种常见故障和引起这些故障的具体参数。因 为 BP 神 经 网 络 的 隐 含 层 节 点 数 是 不 确 定 的 ， 而 且 它 的 多 少 还 决 定 着 网 络 的收 敛 速 度 和 误 差 。 本 文 对 所 得 出 的 四 种 结 构 模 型 进 行 仿 真 分 析 ， 得 到 最 佳 网 络 模型 结 构 为 4-10-2， 然 后 将 该 模 型 结 构 应
8、用 于 故 障 诊 断 ， 得 到 训 练 误 差 ， 该 结 构 的训 练 步 数 为 131， 均 方 误 差 为 0.000834918。 然 后 用 GA 对 BP 神 经 网 络 的 权 值 和 阀值 进 行 优 化 ， 得 到 训 练 误 差 ， 该 结 构 的 训 练 步 数 为 71， 均 方 误 差 为 0.000173742。最 后 用 PSO 优 化 BP 神 经 网 络 ， 得 到 训 练 误 差 ， 该 结 构 的 训 练 步 数 为 35， 其 均 方 误差 为 0.000155071。通 过 对 比 发 现 ,与 BP 神 经 网 络 和 GA 优 化 过 的 B
9、P 神 经 网 络 相 比 ， 经 过 PSO 算法 优 化 之 后 的 BP 神 经 网 络 训 练 时 间 更 短 ， 误 差 更 小 ， 应 用 于 点 火 系 统 故 障 诊 断 有很 好 的 准 确 度 。关 键 词 ：发动机点火系统；次级点火波形；B P 神经网络；G A 算法；P SO 算 法沈阳理工大学硕士学位论文AbstractAlong with the increasing of technology and peoples living level unceasingenhancement, the automobile more and more common int
10、o our life, at the same time, italso gives us a problem that the automobile fault rate become more and more high.However, the number of professional talents in automobile fault diagnosis aspect issmall, so, we need to find a way can quickly and accurately diagnosed automobile fault.Engine is the hea
11、rt of the car, and most of the faults caused by the engine, at thesame time, almost 45 % -50 % of the engine failure is caused by engine ignition systemfailure. The author of the article consulted a large number of literatures, take Accord thecar F23A1 model as the research object, with secondary ig
12、nition voltage waveform asthe research foundation, identified for the models of the four kinds of commonmalfunction and cause malfunctions of these specific parameters.As we know, BP neural networks hidden node number is uncertain, at the sametime, the number of BP neural networks hidden node determ
13、ines the networkconvergence speed and error. In this paper, we got four kinds of structure model, anduse the four kinds of structure model to simulation analysis, get the best network modelis 4-10-2 structure, then, the model structure used in fault diagnosis, got the trainingerror, the structures t
14、raining steps is 131, the mean square error is 0.000834918. Thenuse GA to optimization the BP neural network weights and threshold, got the trainingerror, the structures training steps is 71, the mean square error is 0.000173742. At last,use PSO to optimization the BP neural network weights and thre
15、shold, got the trainingerror, the structures training steps is 35, the mean square error is 0.000155071.Through the contrast we can see, compared with BP neural network and the GAoptimized BP neural network, the PSO optimized BP neural network has shortertraining time and less error, applied it to the ignition system fault diagnosis has goodaccuracy.Key words: Engine ignition system; Secondary ignition waveform; BP neural network;GA algorithm; PSO algorithm目录目 录第 1 章 绪 论 .11.1 引 言 .
