汽車發(fā)動機智能故障診斷技術(shù)分析范文

第頁汽車發(fā)動機智能故障診斷技術(shù)分析范文

0引言

發(fā)動機是汽車的動力裝置，給汽車啟動和運行提供強大動力。隨著汽車使用里程和年限的增加，汽車發(fā)動機常常會出現(xiàn)這樣或那樣的故障，影響汽車行駛安全。隨著電子技術(shù)的發(fā)展和各種智能裝備的廣泛應(yīng)用，發(fā)動機的構(gòu)造越發(fā)復(fù)雜，給故障診斷帶來一定的難度，而智能故障診斷技術(shù)能夠?qū)崿F(xiàn)發(fā)動機故障的快速、準確判斷，為故障維修提供了極大便利。文章首先介紹了智能診斷技術(shù)的發(fā)展趨勢，然后詳細分析了目前常用的幾種智能故障診斷技術(shù)。

1發(fā)動機故障診斷技術(shù)的發(fā)展趨勢

對于汽車發(fā)動機來說，其工作過程中所產(chǎn)生的振動、熱量、噪聲等信息，都是對自身運行狀況的一種反映，一旦這些信息發(fā)生突變，很有可能是發(fā)動機出現(xiàn)了故障。而發(fā)動機智能診斷技術(shù)就是借助于現(xiàn)代科技產(chǎn)品，收集發(fā)動機運作時所產(chǎn)生的一系列信號，然后結(jié)合人工智能分析技術(shù)，得出故障結(jié)論的一種方法。

發(fā)動機智能故障診斷技術(shù)的發(fā)展，與科技進步、新技術(shù)、新設(shè)備的研發(fā)應(yīng)用密不可分，根據(jù)目前的技術(shù)現(xiàn)狀，可以預(yù)測未來發(fā)動機故障診斷技術(shù)的大體發(fā)展趨勢：

1.1與現(xiàn)代信號處理技術(shù)的聯(lián)系更加嚴密

現(xiàn)代信號處理技術(shù)主要包含隨機信號處理、高階信號分析、時頻信號分析等內(nèi)容，與以往所使用的經(jīng)典信號處理技術(shù)相比，它在發(fā)動機信號收集、故障信號分析和判定以及模式識別能力上都有顯著增強。近年來，以現(xiàn)代信號處理技術(shù)為根底的時頻分析法得到了廣泛應(yīng)用，成為汽車發(fā)動機智能故障診斷技術(shù)的新亮點。因此，智能診斷技術(shù)要想得到不斷的完善和發(fā)展，離不開相關(guān)科學技術(shù)發(fā)展的支持，對于現(xiàn)代信號處理技術(shù)的依賴程度也會大大增加。

1.2實現(xiàn)發(fā)動機故障診斷與設(shè)計制造的有機結(jié)合

現(xiàn)階段所使用的智能故障診斷技術(shù)，主要工作流程是當汽車發(fā)動機出現(xiàn)故障后，開展故障檢測與分析，在一定程度上延長了維修時間。隨著技術(shù)的不斷發(fā)展，可以在發(fā)動機設(shè)計、制造的過程中，將故障診斷傳感器(信號收集系統(tǒng))安裝在發(fā)動機內(nèi)部，這樣一來，一方面能夠?qū)崿F(xiàn)發(fā)動機故障的預(yù)判斷，降低了因發(fā)動機故障所造成汽車安全事故的概率;另一方面也對后期的故障診斷、維修提供了便利條件，節(jié)省了大量復(fù)雜信號的處理過程，對于降低診斷誤差也有積極幫助。

1.3提高診斷裝置的實用性、標準性和可靠性

從整體上看，我國汽車發(fā)動機智能故障診斷技術(shù)在科研和應(yīng)用領(lǐng)域取得了不錯成績，但是在實際操作過程中，仍然存在諸多關(guān)鍵性問題沒有得到有效解決。例如診斷裝置偏向于試驗，實際應(yīng)用效果大打折扣，診斷設(shè)備的標準性有待統(tǒng)一和規(guī)范等。隨著新設(shè)備、新技術(shù)的不斷進步，以及市場秩序的不斷規(guī)范，智能故障診斷技術(shù)也會朝著實用化、標準化方向發(fā)展。

2常見的發(fā)動機智能診斷技術(shù)分析

2.1基于專家系統(tǒng)的智能診斷方法

事實上，專家系統(tǒng)智能診斷的原理就是收集各種已知的發(fā)動機故障問題和解決方案，然后程序員將這些問題、解決方式以編程方式輸入到計算機相應(yīng)的軟件中，然后當發(fā)動機出現(xiàn)故障時，與數(shù)據(jù)庫內(nèi)容開展匹配，實現(xiàn)故障智能診斷。其主要運作流程為：當汽車發(fā)動機出現(xiàn)故障后，利用專用的信號采集裝置，收集發(fā)動機故障信息，然后將這些信息傳送到計算機中。隨后將這些信息保存到專門的故障識別軟件中，將故障信息與數(shù)據(jù)庫開展比對，自動匹配與之相對應(yīng)的故障類型，必要時還可以調(diào)用其他軟件和程序，最終查找到發(fā)動機故障。具體來說，數(shù)據(jù)庫的功能是存儲故障匹配標準，即將常見的發(fā)動機故障原因、故障預(yù)兆、解決方式等內(nèi)容，以數(shù)據(jù)編程的形式存儲起來，以便于后期開展信息匹配與應(yīng)答。

2.2基于模糊數(shù)學的方法

模糊理論最早的提出，主要為了解決數(shù)學領(lǐng)域中一些問題，從而將一些經(jīng)典的定理、公式和理論開展模糊化，以此實現(xiàn)數(shù)學問題的解決，在應(yīng)用過程中逐步發(fā)展成完整的推理體系。模糊數(shù)學之所以能夠應(yīng)用到汽車發(fā)動機智能診斷技術(shù)中，主要是利用了數(shù)學建模和模糊診斷兩大功能。當汽車發(fā)動機出現(xiàn)故障時，將發(fā)動機的運行數(shù)據(jù)和故障信息開展綜合整理和方法分析，并以此為根底建立模糊診斷模型。通過模型分析，能夠幫助技術(shù)分析人員在較短時間內(nèi)確定故障源點，從而采取有針對性的故障維修方法。將模糊理論應(yīng)用到發(fā)動機智能診斷技術(shù)當中，主要具有以下三大優(yōu)勢：第一是將專家語言轉(zhuǎn)變成了計算機更容易識別的語言變量，降低了語言的理解難度系數(shù)，間接提升了故障診斷效率;第二是在開展多種故障分析時，能夠自動生成故障安全等級，從而根據(jù)故障等級實現(xiàn)有重點、有層次的處理;第三是對于不確定性問題的分析能力增強，提高了不確定性故障的處理能力。

2.3基于故障樹的'方法

故障樹分析是根據(jù)汽車工作特性與性能狀況之間互相構(gòu)成的樹狀圖形，它以系統(tǒng)最不希望事件為頂事件，以可能導致頂事件發(fā)生的其他事件為第二級事件和第三級事件，采用邏輯門表示事件之間聯(lián)系的一種倒樹狀構(gòu)造，反映了系統(tǒng)的內(nèi)在聯(lián)系，零部件和系統(tǒng)之間發(fā)生故障的全部邏輯關(guān)系。但是由于邏輯構(gòu)造較為簡單，故障診斷的范圍比較有限，因此多數(shù)情況下是作為現(xiàn)代汽車故障診斷技術(shù)的輔助方法。

2.4基于人工神經(jīng)網(wǎng)絡(luò)的診斷方法

人工神經(jīng)網(wǎng)絡(luò)的提出是基于神經(jīng)元模型的建立，從1943年該模型被建立，到目前為止人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為人工智能領(lǐng)域的一個重要分支。其工作原理主要是通過神經(jīng)元以及相互之間的有向權(quán)重連接來開展各種隱含問題的處理。在實際應(yīng)用過程中，人工神經(jīng)網(wǎng)絡(luò)能夠完成較為復(fù)雜問題的分析，而且面對新信息有自主學習的能力。

通過與上述幾種方法開展橫向比照，可以看出人工神經(jīng)網(wǎng)絡(luò)在發(fā)動機智能診斷上更具優(yōu)勢，但是同時，由于受現(xiàn)有技術(shù)條件的制約，該診斷技術(shù)仍然存在一些有待改良的問題，例如故障診斷所需樣本容量較大，當樣本數(shù)目缺陷時，很容易使故障診斷出現(xiàn)偏差。

2.5綜合方法

2.5.1專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合

這種智能故障系統(tǒng)的診斷方法能夠在實際應(yīng)用中自行地開展組織、學習，并開展模糊推理，運用該方法能夠解決傳統(tǒng)的人工智能方法中存在的缺陷，即較為復(fù)雜的知識獲取及推理過程。眾所周知，我們的大腦分為左半腦和右半腦，其中左半腦負責人體的邏輯思維能力，使人更趨向于理性化;而右半腦則負責人體的形象思維能力，使人更趨向于感性化。同樣，專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)就像人體的左右半腦一樣，各負責發(fā)動機故障診斷的一部分，只有兩者協(xié)調(diào)作用，才能夠提升智能診斷效果。

2.5.2人工神經(jīng)網(wǎng)絡(luò)與模糊推理方法相結(jié)合

這兩種方法相結(jié)合，能夠大大提升知識的表示及知識的存儲效果，并且能夠提升智能問題的推理效率。這里的神經(jīng)網(wǎng)絡(luò)的主要功能是效仿人腦中的神經(jīng)元思維，作用表達是開展自學及直接處理數(shù)據(jù)。模糊推理方法主要效仿的是人類的邏輯思維能力，能夠開展構(gòu)造性的知識表達。因此可以對不確定的信息開展處理和調(diào)整。

2.5.3神經(jīng)網(wǎng)絡(luò)與案例推理的結(jié)合

這組結(jié)合中的案例診斷方法主要是將智能診斷中問題信息與自身存儲中的數(shù)據(jù)信息庫開展比對，從而搜尋出較為近似的診斷案例，提取出診斷方案，并對細節(jié)開展修訂后給出診斷結(jié)果。神經(jīng)網(wǎng)絡(luò)與案例推理方法的結(jié)合能夠提高診斷效率，診斷過程中，通過對相似問題的處理，來縮減診斷過程的繁瑣。而且案例推理診斷不需要重新建立診斷對象模型，運用自身原有的知識開展技術(shù)指導，而且自身的適用能力較強，對問題的分析處理速度較快，同時可以對知