《基于神经网络的发动机故障诊断分析》由会员分享，可在线阅读，更多相关《基于神经网络的发动机故障诊断分析（27页珍藏版）》请在金锄头文库上搜索。
1、基于神经网络的发动机故障诊断分析摘要 发动机是汽车的动力来源，因此发动机故障诊断技术的研究，对改善汽车的良好性能和确保汽车的运行安全有着重要作用。本文首先分析了国内外汽车故障诊断技术的发展及现状，介绍并分析一些故障诊断的主要理论和方法。通过对发动机故障征兆及技术状态特征的分析，确定发动机的工况和故障征兆的主要影响因素，并利用VAG1552汽车故障诊断仪收集故障样本集，通过RBF网络模型对大量样本进行训练，仿真实验表明诊断模型对发动机故障模式识别有很高的准确率，具有很高的实际应用价值。关键词 发动机 故障诊断 故障征兆 RBF神经网络The Analysis of the Engine Faul
2、t Diagnosis Based on Neural NetworkAbstract The engine is the power source of the car, so the research on engine fault diagnosis technology has a good role for improving the performance of the car and ensuring the safe operation of the car. First, this paper analyzes the development and current situ
3、ation of domestic and foreign automotive fault diagnosis technology and then introduces and analyzes a number of main theories and methods of fault diagnosis. Then, through the analysis of the technical state of the engine failure symptoms and characteristics, it determines the main factors of the e
4、ngine operating conditions and fault symptoms. And using the VAG1552 automotive fault diagnostic the paper collects the data of fault sample, and through training the samples with RBF neural network, the simulation results shows that the diagnosis model has high accuracy for pattern recognition of e
5、ngine fault and has a high practical value.Key Words the Engine Fault Diagnosis Failure Symptoms RBF Neural Network目录1 引言11.1研究背景11.2发动机故障诊断的意义和诊断技术11.3电喷发动机故障诊断技术的现状和发展趋势21.3.1国外汽车故障诊断技术的发展21.3.2国内电喷发动机故障诊断技术的发展31.4研究内容和思路32 RBF神经网络原理42.1 RBF神经网络的结构及其特点42.2径向基函数网络的算法53电喷发动机故障诊断83.1电喷发动机组成及原理83.2电喷发
6、动机运行工况83.3电喷发动机故障征兆及技术状态特征83.3.1典型故障征兆83.3.2故障征兆技术特征描述104诊断实例134.1故障征兆分析和数据获取134.1.1怠速不稳原因分析134.1.2实验数据的获取144.2神经网络分析164.2.1网络模型的建立164.2.2网络模型的验证165结论18参考文献19致谢语201引言1.1研究背景随着社会经济的快速发展和人们消费理念的逐渐更新，汽车已成为现代社会中不可缺少的一种重要交通工具。然而，当我们在尽情享受现代汽车工业发展给我们生活带来种种便利的同时，我们也无法回避这么一个现实，那就是汽车随着行驶里程的增加和使用时间的延续，其技术状况将不断
7、恶化。因此，我们不仅要不断研制性能优良的汽车，也要借助维护和修理水平的提高来恢复其技术状况。汽车故障诊断技术起始于60年代的西方发达国家，随着汽车结构的日益复杂，必然要求有相应的诊断手段来满足其维护的需求，因此，汽车诊断技术在过去的几十年中取得了迅速的发展。20世纪60年代出现了车外诊断设备，70年代出现了车载诊断系统，80年代末诊断技术向信息化和智能化方向不断前进，专家系统开始应用于汽车故障诊断。90年代末，具有诊断复杂故障能力的专家系统和汽车自身诊断功能密切相连，构成了新的车外诊断系统。这些车外诊断系统采用了微电子技术、计算机技术、先进的传感器技术并结合人工智能技术，将汽车自身的诊断结果，
8、汽车的运行状态参数输出到车外诊断系统中进而综合分析做出相应的判断和处理。1.2发动机故障诊断的意义和诊断技术燃油喷射电子控制发动机具有可以提高输出功率、改善动力性能、降低油耗、改善驾驶性能等许多传统发动机不可比拟的优点，随着汽车工业的快速发展，电喷发动机汽车以极大的速度发展起来，取代了传统的化油器式发动机汽车。汽车电子控制系统的广泛应用，提高了汽车的安全性、动力性、经济性和排放性能，使汽车向智能控制的方向发展。同时，随着工作性能的不断改善，自动化程度的不断提高，发动机电控系统复杂程度日趋提高，使故障率增加、故障诊断难度提高，给汽车维修工作带来越来越多的困难，对汽车维修技术人员的技术要求也越来越
9、高。为了及时发现故障，并采取相应的措施尽量减小其对汽车性能的影响，各国都纷纷投入大量的人力和物力资源对汽车故障诊断进行研究和开发。发动机故障诊断技术是伴随着发动机技术不断进步而逐步完善的过程。发动机是一种复杂的机电一体化设备，其故障诊断大体上可以分为电器故障诊断和机械故障诊断两大类。常见的故障诊断方法有：（1）经验诊断法传统的发动机故障诊断技术是建立在人工经验诊断的基础上，是诊断人员凭丰富的实践经验和一定的理论知识，在汽车不解体或局部解体的情况下，借助简单工具，用眼看、耳听、手摸和鼻闻等手段，边检查、边试验、边分析，进而对汽车技术状况做出判断的一种方法。（2）电脑诊断法汽车电脑故障诊断仪(俗称
10、解码仪)能把汽车电脑(ECU)储存的各种信息提取出来，然后进行整理、比较和翻译，以清晰的文字、曲线或图表方式显示出来，人们可以根据这些传送出来的信息，判断故障的类型和发生的部位。它还可以向汽车电脑发出指令，进行静态和动态的诊断。这是一种最有发展前景和使用最多的诊断方法。（3）智能故障诊断方法随着现代检测技术、信号分析技术、计算机技术和人工智能技术等各种新技术的快速发展，它们在故障诊断领域的应用也越来越多，这些技术的应用将使发动机的故障诊断变得更加简单、快速和准确。1.3电喷发动机故障诊断技术的现状和发展趋势1.3.1国外汽车故障诊断技术的发展随着计算机的普及以及人工智能技术的发展，特别是专家系
11、统、人工神经网络在故障诊断领域的进一步应用，为智能汽车故障诊断的发展奠定了基础。神经网络技术在近几年的发展非常迅速，出现了BP神经网络、RBF神经网络和SOM神经网络等多种网络模型。为提高神经网络训练样本质量，又相继出现了神经网训练样本前期处理方法，如主成分分析和粗糙集理论等方法。本文主要介绍将RBF神经网络（即径向基函数神经网络）应用于汽车故障诊断当中，可以大大简化汽车故障诊断仪的数据流功能，使诊断仪的诊断更加准确和具体。这些智能化的故障诊断技术理论的不断完善极大地促进了汽车故障诊断系统研究水平的提高。1.3.2国内发动机故障诊断技术的发展我国虽然与国际先进水平仍有一定差距，但在发动机诊断技
12、术的研究成果上有了长足的发展和进步。郑文钟、何勇等人利用模糊综合评判的原理和方法对电喷发动机的故障进行分析和诊断，并在 Windows环境下，将模糊诊断技术与计算机多媒体技术相结合，研制出电喷发动机故障诊断专家系统。杨金玉以VisualC+6.0和MataLab7.0作为开发平台，将传统的专家系统与BP神经网络的优点有机的结合在一起，设计了故障诊断神经网络专家系统。刘杰研究了多传感器信息融合神经网络发动机故障诊断方法，以电喷发动机怠速不稳为例，选择了相关传感器、执行器波形特征参数为原始特征向量，并研究了应用主成分分析方法进行特征提取的方法以及信息融合中心的设计。1.4研究内容和思路 (1)本文
13、首先提出了发动机故障诊断的意义和主要技术，并简要介绍了国内外汽车故障诊断技术的发展状况及现状。(2)对神经网络原理的基本知识作了比较详细的介绍，并学习了径向基函数神经网络的典型算法：中心调整算法和权值调整算法。(3)简要介绍了电喷发动机的基本组成及工作原理，分析了不同运行工况下发动机的工作状况，和几种典型的故障征兆以及相应的技术状态特征的描述参数。(4)在MATLAB环境下，用VAG1552汽车故障诊断仪收集故障数据，通过编制的RBF网络模型，对捷达ATK型电喷发动机怠速不稳的3种故障原因进行故障模式识别和诊断。最后得出RBF神经网络诊断模型对电喷发动机故障模式识别有很高的准确率的结论。112
14、. RBF神经网络2.1 RBF神经网络的结构及其特点现代汽车的微机控制系统都具有故障自诊断功能，利用电脑本身监测系统的工作状况和储存数据，再通过一定的操作程式把汽车电脑的故障码提取出来，从而进行故障诊断。此外还具有自动显示动态数据的功能，即数据流功能。人工神经网络有较强的自组织、自学习能力，以及出色的非线性映射能力。而发动机故障征兆和对应的故障原因之间就是非线性映射关系，如果将RBF神经网络训练好，应用于汽车故障诊断当中，就可以快速、准确地诊断出相应的故障，大大简化数据流功能，这将给电控汽车的故障诊断带来很大帮助，因此本文提出了将RBF神经网络（即径向基函数神经网络）应用于汽车故障诊断当中。
15、RBF网络是目前应用较为广泛的一种网络，是由J.Moody和C.Darken于20世纪80年代末提出的一种神经网络。RBF神经网络的结构如图2-1所示，是由排列成层的神经元组成。图 2-1 径向基函数神经网络拓扑结构接受输入信号的单元层称为输入层，输出信号的单元层称为输出层，不直接与输入输出发生联系的单元层称为隐层。如果输入网络一组数据，在网络输入层的每个单元都接收到输入模式的一部分，然后输入层将输入通过连接传递给隐层。隐层在接受到整个输入模式后，由于传递函数的作用，隐层单元的输出就与输入层大不相同了。隐层单元往输出层的信号传递要经过权重的连接，输出单元从隐层单元接收变化后的全部模式，形成输出层单元有的激发、有的抑制，从而产生相应的输出信号。由图知RBF神经网络只有一个隐层，输出单元是线性求和单元，所以输出是各隐单元输出的加权和。隐单元的作用函数用径向基函数，输入到隐单元间的权值固定为1，只有隐单元到输出单元间的权值可以调整。2.2径向基函数网络的算法网络模型结构确定之后，学习和训练对所有的神经网络来说都是最基本的。网络不是通过修改处理单元本身来完成训练过程，而是靠改变网络中连接的权重来学习的。训练神经网络的目的是使得能用一组输入矢量产生一组所需要的输出矢量。训练是应用一系列输入矢量，通过预先确定的算法调整网络的权值来实现的。RBF网络的学习
