基于神經網絡的發(fā)動機故障診斷分析(共26頁)

1、精選優(yōu)質文檔-傾情為你奉上基于神經網絡的發(fā)動機故障診斷分析摘要 發(fā)動機是汽車的動力來源，因此發(fā)動機故障診斷技術的研究，對改善汽車的良好性能和確保汽車的運行安全有著重要作用。本文首先分析了國內外汽車故障診斷技術的發(fā)展及現(xiàn)狀，介紹并分析一些故障診斷的主要理論和方法。通過對發(fā)動機故障征兆及技術狀態(tài)特征的分析，確定發(fā)動機的工況和故障征兆的主要影響因素，并利用VAG1552汽車故障診斷儀收集故障樣本集，通過RBF網絡模型對大量樣本進行訓練，仿真實驗表明診斷模型對發(fā)動機故障模式識別有很高的準確率，具有很高的實際應用價值。關鍵詞 發(fā)動機 故障診斷 故障征兆 RBF神經網絡專心-專注-專業(yè)The Analys

2、is of the Engine Fault 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 develop

3、ment and current situation 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

4、main factors of the engine 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 pat

5、tern recognition of engine fault and has a high practical value.Key Words the Engine Fault Diagnosis Failure Symptoms RBF Neural Network目錄1 引言11.1研究背景11.2發(fā)動機故障診斷的意義和診斷技術11.3電噴發(fā)動機故障診斷技術的現(xiàn)狀和發(fā)展趨勢21.3.1國外汽車故障診斷技術的發(fā)展21.3.2國內電噴發(fā)動機故障診斷技術的發(fā)展31.4研究內容和思路32 RBF神經網絡原理42.1 RBF神經網絡的結構及其特點42.2徑向基函數(shù)網絡的算法53電噴發(fā)動機故障診斷

6、83.2電噴發(fā)動機運行工況83.3電噴發(fā)動機故障征兆及技術狀態(tài)特征83.3.1典型故障征兆83.3.2故障征兆技術特征描述104診斷實例134.1故障征兆分析和數(shù)據(jù)獲取134.1.1怠速不穩(wěn)原因分析134.1.2實驗數(shù)據(jù)的獲取144.2神經網絡分析164.2.1網絡模型的建立164.2.2網絡模型的驗證165結論18參考文獻19致謝語201引言1.1研究背景隨著社會經濟的快速發(fā)展和人們消費理念的逐漸更新，汽車已成為現(xiàn)代社會中不可缺少的一種重要交通工具。然而，當我們在盡情享受現(xiàn)代汽車工業(yè)發(fā)展給我們生活帶來種種便利的同時，我們也無法回避這么一個現(xiàn)實，那就是汽車隨著行駛里程的增加和使用時間的延續(xù)，其

7、技術狀況將不斷惡化。因此，我們不僅要不斷研制性能優(yōu)良的汽車，也要借助維護和修理水平的提高來恢復其技術狀況。汽車故障診斷技術起始于60年代的西方發(fā)達國家，隨著汽車結構的日益復雜，必然要求有相應的診斷手段來滿足其維護的需求，因此，汽車診斷技術在過去的幾十年中取得了迅速的發(fā)展。20世紀60年代出現(xiàn)了車外診斷設備，70年代出現(xiàn)了車載診斷系統(tǒng)，80年代末診斷技術向信息化和智能化方向不斷前進，專家系統(tǒng)開始應用于汽車故障診斷。90年代末，具有診斷復雜故障能力的專家系統(tǒng)和汽車自身診斷功能密切相連，構成了新的車外診斷系統(tǒng)。這些車外診斷系統(tǒng)采用了微電子技術、計算機技術、先進的傳感器技術并結合人工智能技術，將汽車自

8、身的診斷結果，汽車的運行狀態(tài)參數(shù)輸出到車外診斷系統(tǒng)中進而綜合分析做出相應的判斷和處理。1.2發(fā)動機故障診斷的意義和診斷技術燃油噴射電子控制發(fā)動機具有可以提高輸出功率、改善動力性能、降低油耗、改善駕駛性能等許多傳統(tǒng)發(fā)動機不可比擬的優(yōu)點，隨著汽車工業(yè)的快速發(fā)展，電噴發(fā)動機汽車以極大的速度發(fā)展起來，取代了傳統(tǒng)的化油器式發(fā)動機汽車。汽車電子控制系統(tǒng)的廣泛應用，提高了汽車的安全性、動力性、經濟性和排放性能，使汽車向智能控制的方向發(fā)展。同時，隨著工作性能的不斷改善，自動化程度的不斷提高，發(fā)動機電控系統(tǒng)復雜程度日趨提高，使故障率增加、故障診斷難度提高，給汽車維修工作帶來越來越多的困難，對汽車維修技術人員的技

9、術要求也越來越高。為了及時發(fā)現(xiàn)故障，并采取相應的措施盡量減小其對汽車性能的影響，各國都紛紛投入大量的人力和物力資源對汽車故障診斷進行研究和開發(fā)。發(fā)動機故障診斷技術是伴隨著發(fā)動機技術不斷進步而逐步完善的過程。發(fā)動機是一種復雜的機電一體化設備，其故障診斷大體上可以分為電器故障診斷和機械故障診斷兩大類。常見的故障診斷方法有：（1）經驗診斷法傳統(tǒng)的發(fā)動機故障診斷技術是建立在人工經驗診斷的基礎上，是診斷人員憑豐富的實踐經驗和一定的理論知識，在汽車不解體或局部解體的情況下，借助簡單工具，用眼看、耳聽、手摸和鼻聞等手段，邊檢查、邊試驗、邊分析，進而對汽車技術狀況做出判斷的一種方法。（2）電腦診斷法汽車電腦故

10、障診斷儀(俗稱解碼儀)能把汽車電腦(ECU)儲存的各種信息提取出來，然后進行整理、比較和翻譯，以清晰的文字、曲線或圖表方式顯示出來，人們可以根據(jù)這些傳送出來的信息，判斷故障的類型和發(fā)生的部位。它還可以向汽車電腦發(fā)出指令，進行靜態(tài)和動態(tài)的診斷。這是一種最有發(fā)展前景和使用最多的診斷方法。（3）智能故障診斷方法隨著現(xiàn)代檢測技術、信號分析技術、計算機技術和人工智能技術等各種新技術的快速發(fā)展，它們在故障診斷領域的應用也越來越多，這些技術的應用將使發(fā)動機的故障診斷變得更加簡單、快速和準確。1.3電噴發(fā)動機故障診斷技術的現(xiàn)狀和發(fā)展趨勢1.3.1國外汽車故障診斷技術的發(fā)展隨著計算機的普及以及人工智能技術的發(fā)展

11、，特別是專家系統(tǒng)、人工神經網絡在故障診斷領域的進一步應用，為智能汽車故障診斷的發(fā)展奠定了基礎。神經網絡技術在近幾年的發(fā)展非常迅速，出現(xiàn)了BP神經網絡、RBF神經網絡和SOM神經網絡等多種網絡模型。為提高神經網絡訓練樣本質量，又相繼出現(xiàn)了神經網訓練樣本前期處理方法，如主成分分析和粗糙集理論等方法。本文主要介紹將RBF神經網絡（即徑向基函數(shù)神經網絡）應用于汽車故障診斷當中，可以大大簡化汽車故障診斷儀的數(shù)據(jù)流功能，使診斷儀的診斷更加準確和具體。這些智能化的故障診斷技術理論的不斷完善極大地促進了汽車故障診斷系統(tǒng)研究水平的提高。1.3.2國內發(fā)動機故障診斷技術的發(fā)展我國雖然與國際先進水平仍有一定差距，但

12、在發(fā)動機診斷技術的研究成果上有了長足的發(fā)展和進步。鄭文鐘、何勇等人利用模糊綜合評判的原理和方法對電噴發(fā)動機的故障進行分析和診斷，并在 Windows環(huán)境下，將模糊診斷技術與計算機多媒體技術相結合，研制出電噴發(fā)動機故障診斷專家系統(tǒng)。楊金玉以VisualC+6.0和MataLab7.0作為開發(fā)平臺，將傳統(tǒng)的專家系統(tǒng)與BP神經網絡的優(yōu)點有機的結合在一起，設計了故障診斷神經網絡專家系統(tǒng)。劉杰研究了多傳感器信息融合神經網絡發(fā)動機故障診斷方法，以電噴發(fā)動機怠速不穩(wěn)為例，選擇了相關傳感器、執(zhí)行器波形特征參數(shù)為原始特征向量，并研究了應用主成分分析方法進行特征提取的方法以及信息融合中心的設計。1.4研究內容和思

13、路 (1)本文首先提出了發(fā)動機故障診斷的意義和主要技術，并簡要介紹了國內外汽車故障診斷技術的發(fā)展狀況及現(xiàn)狀。(2)對神經網絡原理的基本知識作了比較詳細的介紹，并學習了徑向基函數(shù)神經網絡的典型算法：中心調整算法和權值調整算法。(3)簡要介紹了電噴發(fā)動機的基本組成及工作原理，分析了不同運行工況下發(fā)動機的工作狀況，和幾種典型的故障征兆以及相應的技術狀態(tài)特征的描述參數(shù)。(4)在MATLAB環(huán)境下，用VAG1552汽車故障診斷儀收集故障數(shù)據(jù)，通過編制的RBF網絡模型，對捷達ATK型電噴發(fā)動機怠速不穩(wěn)的3種故障原因進行故障模式識別和診斷。最后得出RBF神經網絡診斷模型對電噴發(fā)動機故障模式識別有很高的準確率

14、的結論。2. RBF神經網絡2.1 RBF神經網絡的結構及其特點現(xiàn)代汽車的微機控制系統(tǒng)都具有故障自診斷功能，利用電腦本身監(jiān)測系統(tǒng)的工作狀況和儲存數(shù)據(jù)，再通過一定的操作程式把汽車電腦的故障碼提取出來，從而進行故障診斷。此外還具有自動顯示動態(tài)數(shù)據(jù)的功能，即數(shù)據(jù)流功能。人工神經網絡有較強的自組織、自學習能力，以及出色的非線性映射能力。而發(fā)動機故障征兆和對應的故障原因之間就是非線性映射關系，如果將RBF神經網絡訓練好，應用于汽車故障診斷當中，就可以快速、準確地診斷出相應的故障，大大簡化數(shù)據(jù)流功能，這將給電控汽車的故障診斷帶來很大幫助，因此本文提出了將RBF神經網絡（即徑向基函數(shù)神經網絡）應用于汽車故障

15、診斷當中。RBF網絡是目前應用較為廣泛的一種網絡，是由J.Moody和C.Darken于20世紀80年代末提出的一種神經網絡。RBF神經網絡的結構如圖2-1所示，是由排列成層的神經元組成。圖 2-1 徑向基函數(shù)神經網絡拓撲結構接受輸入信號的單元層稱為輸入層，輸出信號的單元層稱為輸出層，不直接與輸入輸出發(fā)生聯(lián)系的單元層稱為隱層。如果輸入網絡一組數(shù)據(jù)，在網絡輸入層的每個單元都接收到輸入模式的一部分，然后輸入層將輸入通過連接傳遞給隱層。隱層在接受到整個輸入模式后，由于傳遞函數(shù)的作用，隱層單元的輸出就與輸入層大不相同了。隱層單元往輸出層的信號傳遞要經過權重的連接，輸出單元從隱層單元接收變化后的全部模式

16、，形成輸出層單元有的激發(fā)、有的抑制，從而產生相應的輸出信號。由圖知RBF神經網絡只有一個隱層，輸出單元是線性求和單元，所以輸出是各隱單元輸出的加權和。隱單元的作用函數(shù)用徑向基函數(shù)，輸入到隱單元間的權值固定為1，只有隱單元到輸出單元間的權值可以調整。2.2徑向基函數(shù)網絡的算法網絡模型結構確定之后，學習和訓練對所有的神經網絡來說都是最基本的。網絡不是通過修改處理單元本身來完成訓練過程，而是靠改變網絡中連接的權重來學習的。訓練神經網絡的目的是使得能用一組輸入矢量產生一組所需要的輸出矢量。訓練是應用一系列輸入矢量，通過預先確定的算法調整網絡的權值來實現(xiàn)的。RBF網絡的學習可用聚類法確定函數(shù)中心，隱單元

17、到輸出的權可直接計算，避免了學習中的反復迭代過程，故學習速度較快，且結果準確。RBF網絡最常用的基函數(shù)是高斯函數(shù):式中i=1，2，m，m為隱節(jié)點數(shù)；為隱層單元i的中心(第i個單元基函數(shù)的中心)；為歸一化參數(shù)(基函數(shù)寬度)，該參數(shù)可自由選擇，也可通過計算獲得。其學習算法可分為兩個階段: 即調整隱層單元RBF的中心(中心調整算法)和調整輸出層與隱層之間的連接權值(權值調整算法) 。(l)中心調整算法(K均值聚類法)這是一種無監(jiān)督學習方法，此方法不僅簡單，而且性能良好，具體過程如下:1中心初始化給定隱層單元的初始中心為(0)，i=l，2，k（通常取前k個輸入向量為初始中心)。2輸入樣本向量3計算距離

18、 i=1，2，k4求出最小距離 式中r表示輸入向量x的最佳匹配中心的下標值。5調整中心 i=r式中 為學習因子，01。6判別如果 i=1，2，k則終止計算；否則轉2.（2）權值調整算法（正交最小二乘算法）正交最小二乘算法(OLS)是一種回歸算法，它利用正交優(yōu)選方法找出神經網絡的最佳隱含單元數(shù)目，從而確定最小的網絡結構，同時算出具體權值。具體過程如下:設給定N組輸入輸出樣本() p=1，2，N定義誤差函數(shù)： 1.權值初始化（0）2.計算隱層單元的輸出 3.計算輸出單元的輸出 4.計算誤差 5.調整權值 式中為學習因子，取，則，式中為常數(shù)，02。6.判別如果，則終止計算；否則轉2。3. 電噴發(fā)動機

19、的故障診斷3.1電噴發(fā)動機的基本組成及原理電噴發(fā)動機已經成為當今汽車的主流動力，由于其電控技術是目前汽車降低排放污染、提高燃料經濟性和動力性的有效手段，而被越來越廣泛的應用。本文以捷達兩閥電噴ATK型發(fā)動機為例對電子控制燃油噴射系統(tǒng)進行簡要的介紹。該電噴系統(tǒng)大致可分為進氣系統(tǒng)、燃油供給系統(tǒng)、點火系統(tǒng)和控制系統(tǒng)4個部分。其中進氣系統(tǒng)為發(fā)動機可燃混合氣的形成提供必需的氧氣，燃油供給系統(tǒng)將燃油進行過濾后并使其具有一定的壓力，點火系統(tǒng)計算出點火時刻和通電時間，最后電子控制系統(tǒng)根據(jù)各傳感器信號計算出進氣量（系統(tǒng)中的氧傳感器隨時監(jiān)測混合氣，使空燃比始終保持=1）、最佳噴油持續(xù)時間，精確的控制噴油量和點火時

20、刻。3.2電噴發(fā)動機的運行工況電噴發(fā)動機根據(jù)汽車使用條件的變化，有不同的運行工況，可分為起動、怠速、中小負荷、加速、全負荷和減速等。利用安裝在不同位置上的各種傳感器，可以檢測出發(fā)動機的工作狀態(tài)，電控發(fā)動機的ECU能根據(jù)各傳感器測得的工作狀態(tài)參數(shù)，來決定發(fā)動機在不同工況下的最優(yōu)噴油量和點火提前角，以實現(xiàn)不同運行工況過程中對發(fā)動機的性能要求。3.3電噴發(fā)動機故障征兆及技術狀態(tài)特征3.3.1典型故障征兆汽車出現(xiàn)故障后，首先要準確描述出故障現(xiàn)象即故障征兆，然后通過檢測試驗和推理分析等診斷方法進一步縮小故障的范圍，從而確定出故障發(fā)生的原因和出現(xiàn)故障的部件。目前采用的方法只是用語言或模糊方式來直接描述故障

21、征兆與故障原因或故障征兆與故障部件的關系，以故障征兆狀態(tài)特征為基礎進行故障診斷，先確定出變異參數(shù)，然后再確定故障的具體原因和部件。電噴發(fā)動機故障診斷的核心是對其電控系統(tǒng)的故障診斷。電噴發(fā)動機電子控制系統(tǒng)都是由傳感器、電子控制器ECU和執(zhí)行器3部分組成。電子控制器ECU是控制系統(tǒng)的核心部件，它接收各種傳感器輸出的發(fā)動機工況信號，根據(jù)內部儲存的發(fā)動機各種運行工況下的最佳點火時間和噴油量等數(shù)據(jù)，通過調整執(zhí)行器來進行最佳控制，使發(fā)動機保持最佳運行狀態(tài)。由于電控發(fā)動機品種繁多且系統(tǒng)結構復雜，因此故障征兆也各種各樣。常見的典型故障征兆及其征兆特點有：表3-1 典型故障征兆及征兆特點序號故障征兆征兆特點1起

22、動困難起動機轉動，但長時間驅動也不著火；能啟動，但立即熄火2運行速度不穩(wěn)在節(jié)氣門固定的條件下，發(fā)動機的輸出功率變化；車速上下波動3動力不足或加速遲緩發(fā)動機輸出的動力比預計的少；踩下加速踏板時，車速不增加或增加較少4爆燃或者敲缸加速時有明顯的尖銳金屬敲擊聲；隨著節(jié)氣門開度的增加，金屬敲擊聲增加5加速遲緩踩下加速踏板，在所有條件下都沒有加速的反應；超車時現(xiàn)象更為嚴重，有時甚至熄火6缺火根據(jù)發(fā)動機轉速的不同，有相對穩(wěn)定的振動，而且隨著負荷的增加更加明顯7怠速不穩(wěn)怠速時發(fā)動機轉速不穩(wěn)定變化；怠速時發(fā)動機抖動，嚴重時發(fā)動機可能熄火8回火可燃混合器在進排氣管中點火引起放炮 要能準確全面地反應出故障原因，要

23、考慮各種影響因素，因此故障征兆描述應該包括造成故障的諸多因素和條件，同一種工況出現(xiàn)的故障征兆要比正常狀態(tài)特征的描述參數(shù)多。狀態(tài)特征的選擇是要解決一種運行工況或者不同故障征兆之間能否相互區(qū)別的問題，狀態(tài)特征的提取，不僅是為了描述更精煉簡潔，還具有確定故障原因的目的。其典型故障征兆的技術狀態(tài)特征的描述參數(shù)如下：表3-2故障征兆及其技術狀態(tài)特征的描述參數(shù)序號故障征兆技術狀態(tài)特征的描述參數(shù)1起動困難節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油補償量、油泵開關、啟動開關2運行速度不穩(wěn)節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火

24、提前角、噴油脈沖、噴油補償量3動力不足或加速遲緩節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油補償量、油泵開關4爆燃或者敲缸節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、爆燃控制5加速遲緩節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油補償量、油泵開關、啟動開關、爆燃控制6缺火節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油補償量、氧傳感器電壓7怠速不穩(wěn)節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油

25、補償量、A/C開關、EGR閥開關、活性碳罐開關、氧傳感器電壓8回火節(jié)氣門開度、空氣流量、冷卻液溫度、進氣溫度、發(fā)動機轉速、蓄電池電壓、點火提前角、噴油脈沖、噴油補償量、油泵開關、爆燃控制3.3.2故障征兆技術狀態(tài)特征描述本文以ATK電噴發(fā)動機怠速不穩(wěn)為例，對產生怠速不穩(wěn)故障征兆的3種故障原因進行具體分析。其所需測試的技術狀態(tài)特征的描述參數(shù)有，發(fā)動機轉速、冷卻液溫度、進氣溫度、噴油時間、進氣壓力、調節(jié)值、點火提前角、節(jié)氣門開度、發(fā)動機負荷變動率等。(1) 發(fā)動機轉速發(fā)動機轉速為發(fā)動機曲軸每分鐘的回轉數(shù)。發(fā)動機轉速的高低，關系到單位時間內作功次數(shù)的多少或發(fā)動機有效功率的大小。發(fā)動機在怠速時候轉速一

26、般為700-1100r/min，正常運行時候可以達到3000-5000r/min。發(fā)動機轉速越高，單位時間內做功越多，所以功率越大，但是轉速越高，使整個循環(huán)速度加快，燃油沒有足夠時間完全燃燒就排出去了。所以油耗會呈數(shù)倍增加。所以不是轉速越高越好。(2)冷卻液冷卻液主要功能為保護發(fā)動機正常良好運行，在發(fā)動機水箱內循環(huán)，起到防凍、防沸、防銹、防腐蝕等效果。發(fā)動機運轉時燃燒室內的混合汽燃燒后會產生高溫的壓縮氣體（約為8002000），運動部件受熱膨脹會破壞正常的配合間隙，影響發(fā)動機其他部件的損壞；而如果發(fā)動機溫度過低，還會造成汽缸進氣溫度過低、燃燒不正常、功率下降、油耗增加等現(xiàn)象。因此，冷卻液溫度一

27、般在80100，可以起到冷卻發(fā)動機部件、防止冷卻液凝固、防止冷卻系統(tǒng)部件生銹、防止過熱的作用。(3) 進氣溫度進氣溫度過高會使可燃混合氣溫度過高，造成不完全燃燒。影響發(fā)動機工作能力。(4) 點火提前角從點火時刻起到活塞到達壓縮上止點，這段時間內曲軸轉過的角度，就是點火提前角。影響點火提前角最大的因素是轉速。混合氣從點燃、燃燒到燒完有一個時間過程，隨著轉速的上升，轉過同樣角度的時間變短，只有更大的提前角才能得到相應的提前時間。理論上最小點火提前角為0度，但為了防止在進氣行程點燃進氣，往往設為5度以上，這也是啟動轉速所需要的角度。最大點火提前角也不能太大，一般不能超過60度，否則振動和溫升問題將凸

28、顯，效率也將下降。實際上結構的轉速是受限的。點火過早，會造成爆震，活塞上行受阻，效率降低，磨損加劇。點火過遲，氣體做功效率低，排氣聲大。不論點火過早或過遲，都會影響轉速的提升。(5)節(jié)氣門開度指發(fā)動機節(jié)氣門的開啟角度，汽車發(fā)動機節(jié)氣門由駕駛員通過加速踏板來操縱，以改變發(fā)動機的進氣量，從而可以控制發(fā)動機的運轉。(6)空燃比發(fā)動機工作時，燃料必須和吸進的空氣成適當?shù)谋壤拍苄纬煽梢匀紵幕旌蠚??；旌蠚庵锌諝馀c燃料之間的質量的比例，就是空燃比。ECU計算機控制燃油噴射，空氣流量是由空氣流量傳感器測定，進氣壓力傳感器吸入發(fā)動機的空氣流量，為空氣流量計測出的進氣量做修正，從而控制汽油噴射發(fā)動機在各種運

29、轉工況下都能獲得最佳濃度的混合氣。從理論上說，每克燃料完全燃燒所需的最少的空氣克數(shù)，叫做理論空燃比。空燃比大于理論值的混合氣叫做稀混合氣，氣多油少，燃燒完全，油耗低，污染小，但功率較小。空燃比小于理論值的混合氣叫做濃混合氣，氣少油多，功率較大，但燃燒不完全，油耗高，污染大。因此，為了降低油耗和減少污染，應當盡量使用空燃比大的稀混合氣，只在需要時才提供濃混合氣。(7)發(fā)動機負荷變動率發(fā)動機負荷變動率是發(fā)動機在某一轉速下，當時發(fā)動機發(fā)出的功率與同一轉速下所可能發(fā)出的最大功率之比。發(fā)動機負荷大了，會減少發(fā)動機壽命，嚴重的可導致發(fā)動機停止運轉或者部件損壞。本章描述了電噴發(fā)動機的典型故障征兆及狀態(tài)特征，

30、并提出了在各種運行工況下的技術狀態(tài)描述的總體參數(shù)，為后面利用神經網絡的模式識別方法進行故障診斷提供了基礎。4. 診斷實例4.1故障征兆分析和數(shù)據(jù)獲取神經網絡的訓練樣本是進行故障模式識別的基礎，由于同樣的故障模式其產生的故障原因可能不同，因此，利用神經網絡進行故障模式識別時，通過對不同故障原因的神經網絡樣本進行訓練，才能達到識別故障的目的。RBF網絡故障診斷流程如圖4-1。 4.1.1怠速不穩(wěn)原因分析故障模式識別的目的就是通過確認故障模式來判別故障原因或部位。本文以故障征兆怠速不穩(wěn)為例，通過對產生怠速不穩(wěn)故障征兆的3種故障原因的分析，結合神經網絡方法，達到進行故障模式識別的目的。怠速工況是指，在

31、發(fā)動機運轉時完全放松油門踏板，指發(fā)動機空轉時的一種工作狀況。發(fā)動機怠速運轉時，控制系統(tǒng)以閉環(huán)的控制方式工作。ECU檢測發(fā)動機的轉速、溫度和負荷狀態(tài)，來控制電機以穩(wěn)定怠速轉速。造成怠速故障的主要原因有怠速電機不工作、進氣系統(tǒng)漏氣、某缸噴油嘴堵等。(l)怠速電機不工作 電噴發(fā)動機的怠速控制采用閉環(huán)方式，怠速控制閥的機械故障(如怠速閥卡滯，封閉不嚴漏氣)和電器故障，都將造成怠速不穩(wěn)定的現(xiàn)象。(2)進氣系統(tǒng)漏氣 進氣系統(tǒng)的漏氣量將隨發(fā)動機轉速的變化而改變。由于怠速控制條件的改變，使發(fā)動機的怠速受漏氣量的影響而導致轉速的波動現(xiàn)象，因而造成發(fā)動機怠速不穩(wěn)。(3)某缸噴油嘴堵 對于多點噴射的電噴發(fā)動機來講，

32、每個氣缸都分別對應裝有一個噴油器。由于噴油器的堵塞，將造成實際噴油量的減少和各缸供油量不均勻。因此，每個缸的實際功率也不同程度的減少，并造成發(fā)動機怠速不穩(wěn)定的現(xiàn)象。4.1.2實驗數(shù)據(jù)的獲取本文采用故障診斷儀VAG1552，對捷達轎車ATK型（壓力型）發(fā)動機進行樣本采集。在采集數(shù)據(jù)前，要進行相應的系統(tǒng)檢測，應保證蓄電池電壓正常，發(fā)動機和變速器的搭鐵線正常，然后按照正確的步驟連接診斷儀和汽車。在無故障碼的條件下，設置發(fā)動機的工作狀態(tài)分別為：怠速正常工作；怠速電機不工作；進氣系統(tǒng)漏氣；某缸噴油嘴堵。采集數(shù)據(jù)如下：4-1怠速正常工作樣本數(shù)發(fā)動機轉速/r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣

33、壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%12345678860870865870860865870860949495959594949542414142414242422.02.22.42.23.02.52.83.033.134.633.634.033.534.034.235.05.05.5515.86.24.96.07.33.53.33.43.23.03.13.03.4-2.7-2.9-2.6-2.7-2.6-2.8-2.1-2.419.119.818.220.019.418.819.819.24-2怠速電機不工作樣本數(shù)發(fā)動機轉速/r. min冷卻液溫度/進氣溫

34、度/噴油時間/ms進氣壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%1234567821422146215421832170216221502160949595959494949541424242414142422222222222.422.622.422.423.023.022.522.837.537.637.838.23837.837.538.11001001001001001001001000000000012.612.913.617.316.414.613.314.44-3進氣系統(tǒng)漏氣樣本數(shù)發(fā)動機轉速/ r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓力/

35、k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%12345678900860930960102099010901120949495959494949540404140424041422.23.25.1323.233.237.739.741.839.735.738.43737.84.52.25.27.814.31116.219.13.53.13.94.25.24.85.66-1.990-2.7-3.52517.1427.729.221.917.622.721.72523.920.722.74-4某缸噴油嘴堵樣本數(shù)發(fā)動機轉速/ r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓

36、力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%123456788268308148368548428328609494959495949495424141424142424222.82.42.22.32.52.8333.134.633.633.333.53434.2352.83.22.246.24.93.67.32.32.42.32.52.42.32.32.40000000018.418.218.218.619.418.81919.24.2神經網絡分析4.2.1網絡模型的建立對以上數(shù)據(jù)進行歸一化處理，應用MATLAB語言對RBF網絡進行編程，編程詳見附錄。用上述故障樣本對

37、網絡進行訓練，設計怠速正常工作狀態(tài)的樣本輸入網絡后輸出為1000，怠速電機不工作樣本輸出為0100，進氣系統(tǒng)漏氣樣本輸出為0010，某缸噴油嘴堵樣本輸出為0001。訓練后網絡輸出圖如下：4.2.2網絡模型的驗證利用神經網絡已經訓練好的權值，將四組待識別故障的數(shù)據(jù)流數(shù)據(jù)進行歸一化處理，輸入神經網絡并運行，驗證網絡故障診斷的準確性。4-5第一組待識別故障的數(shù)據(jù)流數(shù)據(jù)樣本數(shù)發(fā)動機轉速/r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%123456788608708658708608658708609494959595949495

38、424141424142424222.22.42.232.52.8333.134.633.634.033.534.034.235.055.5515.86.24.967.33.53.33.43.233.133.4-2.7-2.9-2.6-2.7-2.6-2.8-2.1-2.419.119.818.22019.418.819.819.24-6第二組待識別故障的數(shù)據(jù)流數(shù)據(jù)樣本數(shù)發(fā)動機轉速/r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%1234567821552140215221792160216721582160969793

39、979695969443414347434642482222222222.822.522.9232323.722.622.937.137.238.2383837.837.538.71001001001001001001001000000000013.213.115.916.714.614.615.213.94-7第三組待識別故障的數(shù)據(jù)流數(shù)據(jù)樣本數(shù)發(fā)動機轉速/ r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%1234567891087094097010101020109011109594959496939495434141

40、43424042422.73.15.23.22.13.633.137.539.242.839.235.639.13737.84.32.85.67.815.11216.919.53.93.24.14.25.84.15.76.6-1.990-2.9-3.12518.0228.129.720.117.122.222.324.823.921.322.64-8第四組待識別故障的數(shù)據(jù)流數(shù)據(jù)樣本數(shù)發(fā)動機轉速/ r. min冷卻液溫度/進氣溫度/噴油時間/ms進氣壓力/k Pa點火提前角/節(jié)氣門開度/%調節(jié)值/%發(fā)動機負荷變動率/%123456788388358208398508428398629794959

41、49394949543424442434345422.32.82.52.12.52.82.9333.23433.933.533.934.834.235.233.22.84.26.553.87.12.52.132.52.22.62.12.20000000018.918.218.118.819.118.719.219.3驗證后網絡輸出圖如下：由圖可知第一組待測樣本經網絡驗證輸出為1000，工作狀態(tài)為怠速正常工作；第二組待測樣本輸出為0100，工作狀態(tài)為怠速電機不工作；第三組待測樣本輸出為0010，工作狀態(tài)為進氣系統(tǒng)漏氣；第四組待測樣本輸出為0001，工作狀態(tài)為某缸噴油嘴堵狀態(tài)。對比網絡輸出跟目標向

42、量幾乎相等可知網絡能有效學習，從而可知RBF神經網絡可以很好地診斷出相應的故障。5結論發(fā)動機故障診斷技術的研究，對改善汽車的良好性能有著重要作用，尤其是神經網絡的應用，使故障診斷技術趨于智能化方向發(fā)展。本文在MATLAB語言環(huán)境下對RBF網絡進行編程，對捷達ATK型電噴發(fā)動機怠速不穩(wěn)的3種故障原因進行故障模式識別和診斷。實驗是在解碼儀不出現(xiàn)故障碼的前提下進行的，目的是要簡化當前汽車故障診斷儀的數(shù)據(jù)流功能。從實驗結果可以看出，RBF神經網絡進行故障診斷的結果是很準確的，只要網絡一旦訓練好，就可以快速、準確地診斷出相應的故障，大大簡化數(shù)據(jù)流功能，具有遠大的前景。對于本文，還有進一步研究的建議：(1

43、) 本文以電噴發(fā)動機怠速不穩(wěn)故障為例，在 MATLAB 環(huán)境下進行了仿真研究。但引起怠速不穩(wěn)還有很多其它的原因，文章還可以作更全面地分析。(2) 此外，還可將其它故障診斷方法和神經網絡方法進行結合研究。如可以把基于特征層的多傳感器信息融合技術與神經網絡技術進行結合，形成更完善的故障診斷方法。(3)另外，簡化神經網絡的學習算法將是實際應用中需要研究解決的問題。致謝語本論文是在導師黃振坤老師的悉心指導下完成的。從論文的選題到資料的搜集直至最后的修改的整個過程中，花費了黃老師很多的寶貴時間和精力，在每次遇到問題時老師不辭辛苦的講解才使得我的論文順利的進行，在此向導師表示衷心的感謝！導師一絲不茍的治學

44、態(tài)度，勤勉的工作態(tài)度和高度的責任心都將使學生受益終生！還要感謝和我同一小組的幾位同學，是你們在我平時設計中和我一起探討問題，一起搜集資料和解決困難，沒有你們的幫助我不可能這樣順利地結稿，在此表示深深的謝意。最后再一次感謝所有在畢業(yè)設計中曾經幫助過我的良師益友，以及在設計中被我引用或參考的論著的作者。參考文獻1 張毅，鄭殿旺.汽車故障診斷技術的發(fā)展現(xiàn)狀及展望.J工業(yè)技術經濟，1997，16(2)：103-104.2 劉仲國.現(xiàn)代汽車檢測與診斷J.北京:機械工業(yè)出版社，2001(09)：11-35.3 王紅萍.機械設備故障診斷技術及應用M.陜西：西北工業(yè)大學出版社，2001.4 鐘秉林，黃仁.機械

45、故障診斷學M.北京：機械工業(yè)出版社，1997.5 楊德華，劉家聲.汽車檢測與診斷技術仁M.江蘇：江蘇科學技術出版社，1994.6 王立大.基于網絡化虛擬儀器技術的拖拉機綜合性能檢測系統(tǒng)研究D.浙江：浙江大學農業(yè)機械化工程，2004.7 鄭文鐘，何勇，陳開考.電噴發(fā)動機故障診斷專家系統(tǒng)的研究N.浙江大學學報，2002-04-25(02).8 楊金玉.基于神經網絡電噴發(fā)動機傳感器故障診斷專家系統(tǒng)的研究D.陜西：長安大學車輛工程，2008.9 劉杰.電噴汽車發(fā)動機故障診斷技術研究D.重慶交通大學車輛工程，2009.10 衛(wèi)紹元.數(shù)據(jù)流功能在電控汽車故障診斷中的應用J.汽車技術，2000(8)：33-

46、34.11 閻平凡，張長水.人工神經網絡與模擬進化計算M.北京:清華大學出版社，2001.12 謝玉洪.基于RBF網絡的小型車自由流車速模型的建立J.汽車科技，2004（1）:9-11.13 秦川.轎車汽油噴射系統(tǒng)維修手冊.機械工業(yè)出版社，1997.14 王贊松.神經網絡信息融合方法在電控發(fā)動機故障診斷中的應用研究J.汽車技術，2003(5):38-41.15 夏令偉.汽車電控發(fā)動機構造與維修J.北京:人民交通出版社，2001(l0):102-132.附錄在MATLAB語言環(huán)境下,對RBF神經網絡進行編程：clc;clear all; close all;%怠速正常工作的樣本數(shù)據(jù)P_train

47、1=860 94 42 2 33.1 5 3.5 -2.7 19.1;87094 41 2.2 34.6 5.5 3.3 -2.9 19.8;86595 41 2.4 33.6 51 3.4 -2.6 18.2;87095 42 2.2 34 5.8 3.2 -2.7 20;86095 41 3 33.5 6.2 3 -2.6 19.4;86594 42 2.5 34 4.9 3.1 -2.8 18.8;87094 42 2.8 34.2 6 3 -2.1 19.8;860 95 42 335 7.3 3.4 -2.4 19.2;%怠速電機不工作的樣本數(shù)據(jù)P_train2=2142 94 41

48、 2 22.4 37.5 100 0 12.6;2146 9542 2 22.6 37.6 100 0 12.9;2154 9542 2 22.4 37.8 100 0 13.6;2183 9542 2 22.4 38.2 100 0 17.3;2170 9441 2 2338 100 0 16.4;2162 9441 2 2337.8 100 0 14.6;2150 9442 2 22.5 37.5 100 0 13.3;2160 9542 2 22.8 38.1 100 0 14.4;%進氣系統(tǒng)漏氣的樣本數(shù)據(jù)P_train3=900 94 40 2.2 37.7 4.5 3.5 -1.99

49、 21.9;860 94 40 3.2 39.7 2.2 3.1 0 17.6;93095 41 5.1 41.8 5.2 3.9 -2.7 22.7;960 95 40 3 39.7 7.8 4.2 -3.5 21.7;1020 94 42 2 35.7 14.3 5.2 25 25;990 94 40 3.2 38.4 11 4.8 17.14 23.9;1090 94 41 3 37 16.2 5.6 27.7 20.7;1120 95 42 3.2 37.8 19.1 6 29.2 22.7;%某缸噴油嘴堵的樣本數(shù)據(jù)P_train4=826 94 42 2 33.1 2.8 2.3 0

50、 18.4;830 94 41 2.8 34.6 3.2 2.4 0 18.2;814 95 41 2.4 33.6 2.2 2.3 0 18.2;836 94 42 2.2 33.3 4 2.5 0 18.6;854 95 41 2.3 33.5 6.2 2.4 0 19.4;842 94 42 2.5 34 4.9 2.3 0 18.8;832 94 42 2.8 34.2 3.6 2.3 0 19;860 95 42 335 7.3 2.4 0 19.2;%對P_train1到P_train4數(shù)據(jù)歸一化處理for i=1:8P_train1(i,:)=(P_train1(i,:)-min

51、(P_train1)./(max(P_train1)-min(P_train1)+0.1);P_train2(i,:)=(P_train2(i,:)-min(P_train2)./(max(P_train2)-min(P_train2)+0.1);P_train3(i,:)=(P_train3(i,:)-min(P_train3)./(max(P_train3)-min(P_train3)+0.1);P_train4(i,:)=(P_train4(i,:)-min(P_train4)./(max(P_train4)-min(P_train4)+0.1);i=i+1;end T_train1=1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0; 1 0 0 0;1 0 0 0;1 0 0 0;1 0 0 0; T_train2=0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0; 0 1 0 0;0 1 0 0;0 1 0 0;0 1 0 0; T_train3=0 0 1 0;0 0 1 0;0 0 1 0;0 0 1 0; 0 0 1 0;0 0 1 0;0