基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷分析[摘要]發(fā)動機(jī)是汽車的動力來源，因此發(fā)動機(jī)故障診斷技術(shù)的研究，對改善汽車的良好性能和確保汽車的運(yùn)行平安有著重要作用。本文首先分析了國內(nèi)外汽車故障診斷技術(shù)的開展及現(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(jī)故障征兆及技術(shù)狀態(tài)特征的分析，確定發(fā)動機(jī)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(wǎng)絡(luò)模型對大量樣本進(jìn)行訓(xùn)練，仿真實驗說明診斷模型對發(fā)動機(jī)故障模式識別有很高的準(zhǔn)確率，具有很高的實際應(yīng)用價值。[關(guān)鍵詞]發(fā)動機(jī)故障診斷故障征兆RBF神經(jīng)網(wǎng)絡(luò)TheAnalysisoftheEngineFaultDiagnosisBasedonNeuralNetwork[Abstract]Theengineisthepowersourceofthecar,sotheresearchonenginefaultdiagnosistechnologyhasagoodroleforimprovingtheperformanceofthecarandensuringthesafeoperationofthecar.First,thispaperanalyzesthedevelopmentandcurrentsituationofdomesticandforeignautomotivefaultdiagnosistechnologyandthenintroducesandanalyzesanumberofmaintheoriesandmethodsoffaultdiagnosis.Then,throughtheanalysisofthetechnicalstateoftheenginefailuresymptomsandcharacteristics,itdeterminesthemainfactorsoftheengineoperatingconditionsandfaultsymptoms.AndusingtheVAG1552automotivefaultdiagnosticthepapercollectsthedataoffaultsample,andthroughtrainingthesampleswithRBFneuralnetwork,thesimulationresultsshowsthatthediagnosismodelhashighaccuracyforpatternrecognitionofenginefaultandhasahighpracticalvalue.[KeyWords]theEngineFaultDiagnosisFailureSymptomsRBFNeuralNetwork目錄1引言1研究背景11.2發(fā)動機(jī)故障診斷的意義和診斷技術(shù)11.3電噴發(fā)動機(jī)故障診斷技術(shù)的現(xiàn)狀和開展趨勢21.國外汽車故障診斷技術(shù)的開展21.國內(nèi)電噴發(fā)動機(jī)故障診斷技術(shù)的開展31.4研究內(nèi)容和思路32RBF神經(jīng)網(wǎng)絡(luò)原理42.1RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其特點4徑向基函數(shù)網(wǎng)絡(luò)的算法53電噴發(fā)動機(jī)故障診斷8電噴發(fā)動機(jī)組成及原理83.2電噴發(fā)動機(jī)運(yùn)行工況83.3電噴發(fā)動機(jī)故障征兆及技術(shù)狀態(tài)特征83.典型故障征兆3.故障征兆技術(shù)特征描述4診斷實例13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.2實驗數(shù)據(jù)的獲取1神經(jīng)網(wǎng)絡(luò)分析164.網(wǎng)絡(luò)模型的建立1.2網(wǎng)絡(luò)模型的驗證165結(jié)論18[參考文獻(xiàn)]19[致謝語]201．引言研究背景隨著社會經(jīng)濟(jì)的快速開展和人們消費(fèi)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(dāng)我們在盡情享受現(xiàn)代汽車工業(yè)開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)，其技術(shù)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(hù)和修理水平的提高來恢復(fù)其技術(shù)狀況。汽車故障診斷技術(shù)起始于60年代的西方興旺國家，隨著汽車結(jié)構(gòu)的日益復(fù)雜，必然要求有相應(yīng)的診斷手段來滿足其維護(hù)的需求，因此，汽車診斷技術(shù)在過去的幾十年中取得了迅速的開展。20世紀(jì)60年代出現(xiàn)了車外診斷設(shè)備，70年代出現(xiàn)了車載診斷系統(tǒng)，80年代末診斷技術(shù)向信息化和智能化方向不斷前進(jìn)，專家系統(tǒng)開始應(yīng)用于汽車故障診斷。90年代末，具有診斷復(fù)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(gòu)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(shù)、計算機(jī)技術(shù)、先進(jìn)的傳感器技術(shù)并結(jié)合人工智能技術(shù)，將汽車自身的診斷結(jié)果，汽車的運(yùn)行狀態(tài)參數(shù)輸出到車外診斷系統(tǒng)中進(jìn)而綜合分析做出相應(yīng)的判斷和處理。發(fā)動機(jī)故障診斷的意義和診斷技術(shù)燃油噴射電子控制發(fā)動機(jī)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(jī)不可比較的優(yōu)點，隨著汽車工業(yè)的快速開展，電噴發(fā)動機(jī)汽車以極大的速度開展起來，取代了傳統(tǒng)的化油器式發(fā)動機(jī)汽車。汽車電子控制系統(tǒng)的廣泛應(yīng)用，提高了汽車的平安性、動力性、經(jīng)濟(jì)性和排放性能，使汽車向智能控制的方向開展。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(jī)電控系統(tǒng)復(fù)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(shù)人員的技術(shù)要求也越來越高。為了及時發(fā)現(xiàn)故障，并采取相應(yīng)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(jìn)行研究和開發(fā)。發(fā)動機(jī)故障診斷技術(shù)是伴隨著發(fā)動機(jī)技術(shù)不斷進(jìn)步而逐步完善的過程。發(fā)動機(jī)是一種復(fù)雜的機(jī)電一體化設(shè)備，其故障診斷大體上可以分為電器故障診斷和機(jī)械故障診斷兩大類。常見的故障診斷方法有：〔1〕經(jīng)驗診斷法傳統(tǒng)的發(fā)動機(jī)故障診斷技術(shù)是建立在人工經(jīng)驗診斷的根底上，是診斷人員憑豐富的實踐經(jīng)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(jìn)而對汽車技術(shù)狀況做出判斷的一種方法?！?〕電腦診斷法汽車電腦故障診斷儀(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(jìn)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(jìn)行靜態(tài)和動態(tài)的診斷。這是一種最有開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(shù)、信號分析技術(shù)、計算機(jī)技術(shù)和人工智能技術(shù)等各種新技術(shù)的快速開展，它們在故障診斷領(lǐng)域的應(yīng)用也越來越多，這些技術(shù)的應(yīng)用將使發(fā)動機(jī)的故障診斷變得更加簡單、快速和準(zhǔn)確。1.3電噴發(fā)動機(jī)故障診斷技術(shù)的現(xiàn)狀和開展趨勢1.國外汽車故障診斷技術(shù)的開展隨著計算機(jī)的普及以及人工智能技術(shù)的開展，特別是專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)在故障診斷領(lǐng)域的進(jìn)一步應(yīng)用，為智能汽車故障診斷的開展奠定了根底。神經(jīng)網(wǎng)絡(luò)技術(shù)在近幾年的開展非常迅速，出現(xiàn)了BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和SOM神經(jīng)網(wǎng)絡(luò)等多種網(wǎng)絡(luò)模型。為提高神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本質(zhì)量，又相繼出現(xiàn)了神經(jīng)網(wǎng)訓(xùn)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(jīng)網(wǎng)絡(luò)〔即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)〕應(yīng)用于汽車故障診斷當(dāng)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(zhǔn)確和具體。這些智能化的故障診斷技術(shù)理論的不斷完善極大地促進(jìn)了汽車故障診斷系統(tǒng)研究水平的提高。1.國內(nèi)發(fā)動機(jī)故障診斷技術(shù)的開展我國雖然與國際先進(jìn)水平仍有一定差距，但在發(fā)動機(jī)診斷技術(shù)的研究成果上有了長足的開展和進(jìn)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(jī)的故障進(jìn)行分析和診斷，并在Windows環(huán)境下，將模糊診斷技術(shù)與計算機(jī)多媒體技術(shù)相結(jié)合，研制出電噴發(fā)動機(jī)故障診斷專家系統(tǒng)。楊金玉，將傳統(tǒng)的專家系統(tǒng)與BP神經(jīng)網(wǎng)絡(luò)的優(yōu)點有機(jī)的結(jié)合在一起，設(shè)計了故障診斷神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。劉杰研究了多傳感器信息融合神經(jīng)網(wǎng)絡(luò)發(fā)動機(jī)故障診斷方法，以電噴發(fā)動機(jī)怠速不穩(wěn)為例，選擇了相關(guān)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(yīng)用主成分分析方法進(jìn)行特征提取的方法以及信息融合中心的設(shè)計。1.4研究內(nèi)容和思路(1)本文首先提出了發(fā)動機(jī)故障診斷的意義和主要技術(shù)，并簡要介紹了國內(nèi)外汽車故障診斷技術(shù)的開展?fàn)顩r及現(xiàn)狀。(2)對神經(jīng)網(wǎng)絡(luò)原理的根本知識作了比較詳細(xì)的介紹，并學(xué)習(xí)了徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的典型算法：中心調(diào)整算法和權(quán)值調(diào)整算法。(3)簡要介紹了電噴發(fā)動機(jī)的根本組成及工作原理，分析了不同運(yùn)行工況下發(fā)動機(jī)的工作狀況，和幾種典型的故障征兆以及相應(yīng)的技術(shù)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(wǎng)絡(luò)模型，對捷達(dá)ATK型電噴發(fā)動機(jī)怠速不穩(wěn)的3種故障原因進(jìn)行故障模式識別和診斷。最后得出RBF神經(jīng)網(wǎng)絡(luò)診斷模型對電噴發(fā)動機(jī)故障模式識別有很高的準(zhǔn)確率的結(jié)論。2.RBF神經(jīng)網(wǎng)絡(luò)RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及其特點現(xiàn)代汽車的微機(jī)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(jìn)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(jīng)網(wǎng)絡(luò)有較強(qiáng)的自組織、自學(xué)習(xí)能力，以及出色的非線性映射能力。而發(fā)動機(jī)故障征兆和對應(yīng)的故障原因之間就是非線性映射關(guān)系，如果將RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練好，應(yīng)用于汽車故障診斷當(dāng)中，就可以快速、準(zhǔn)確地診斷出相應(yīng)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(jīng)網(wǎng)絡(luò)〔即徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)〕應(yīng)用于汽車故障診斷當(dāng)中。RBF網(wǎng)絡(luò)是目前應(yīng)用較為廣泛的一種網(wǎng)絡(luò)，。RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖2-1所示，是由排列成層的神經(jīng)元組成。圖2-1徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)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(wǎng)絡(luò)一組數(shù)據(jù)，在網(wǎng)絡(luò)輸入層的每個單元都接收到輸入模式的一局部，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(jīng)過權(quán)重的連接，輸出單元從隱層單元接收變化后的全部模式，形成輸出層單元有的激發(fā)、有的抑制，從而產(chǎn)生相應(yīng)的輸出信號。由圖知RBF神經(jīng)網(wǎng)絡(luò)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(quán)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(quán)值固定為1，只有隱單元到輸出單元間的權(quán)值可以調(diào)整。網(wǎng)絡(luò)模型結(jié)構(gòu)確定之后，學(xué)習(xí)和訓(xùn)練對所有的神經(jīng)網(wǎng)絡(luò)來說都是最根本的。網(wǎng)絡(luò)不是通過修改處理單元本身來完成訓(xùn)練過程，而是靠改變網(wǎng)絡(luò)中連接的權(quán)重來學(xué)習(xí)的。訓(xùn)練神經(jīng)網(wǎng)絡(luò)的目的是使得能用一組輸入矢量產(chǎn)生一組所需要的輸出矢量。訓(xùn)練是應(yīng)用一系列輸入矢量，通過預(yù)先確定的算法調(diào)整網(wǎng)絡(luò)的權(quán)值來實現(xiàn)的。RBF網(wǎng)絡(luò)的學(xué)習(xí)可用聚類法確定函數(shù)中心，隱單元到輸出的權(quán)可直接計算，防止了學(xué)習(xí)中的反復(fù)迭代過程，故學(xué)習(xí)速度較快，且結(jié)果準(zhǔn)確。RBF網(wǎng)絡(luò)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(xué)習(xí)算法可分為兩個階段:即調(diào)整隱層單元RBF的中心(中心調(diào)整算法)和調(diào)整輸出層與隱層之間的連接權(quán)值(權(quán)值調(diào)整算法)。(l)中心調(diào)整算法(K均值聚類法)這是一種無監(jiān)督學(xué)習(xí)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i=1，2，……k4求出最小距離式中r表示輸入向量x的最正確匹配中心的下標(biāo)值。5調(diào)整中心i=r式中為學(xué)習(xí)因子，0<<1。6判別如果i=1，2，…，k那么終止計算；否那么轉(zhuǎn)2.〔2〕權(quán)值調(diào)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(jīng)網(wǎng)絡(luò)的最正確隱含單元數(shù)目，從而確定最小的網(wǎng)絡(luò)結(jié)構(gòu)，同時算出具體權(quán)值。具體過程如下:設(shè)給定N組輸入輸出樣本()p=1，2，……N定義誤差函數(shù)：〔0〕式中——為學(xué)習(xí)因子，取，那么，式中——為常數(shù)，0<<2。如果，那么終止計算；否那么轉(zhuǎn)2。3.電噴發(fā)動機(jī)的故障診斷電噴發(fā)動機(jī)已經(jīng)成為當(dāng)今汽車的主流動力，由于其電控技術(shù)是目前汽車降低排放污染、提高燃料經(jīng)濟(jì)性和動力性的有效手段，而被越來越廣泛的應(yīng)用。本文以捷達(dá)兩閥電噴ATK型發(fā)動機(jī)為例對電子控制燃油噴射系統(tǒng)進(jìn)行簡要的介紹。該電噴系統(tǒng)大致可分為進(jìn)氣系統(tǒng)、燃油供應(yīng)系統(tǒng)、點火系統(tǒng)和控制系統(tǒng)4個局部。其中進(jìn)氣系統(tǒng)為發(fā)動機(jī)可燃混合氣的形成提供必需的氧氣，燃油供應(yīng)系統(tǒng)將燃油進(jìn)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(jìn)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〕、最正確噴油持續(xù)時間，精確的控制噴油量和點火時刻。電噴發(fā)動機(jī)根據(jù)汽車使用條件的變化，有不同的運(yùn)行工況，可分為起動、怠速、中小負(fù)荷、加速、全負(fù)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(jī)的工作狀態(tài)，電控發(fā)動機(jī)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(jī)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(yùn)行工況過程中對發(fā)動機(jī)的性能要求。典型故障征兆汽車出現(xiàn)故障后，首先要準(zhǔn)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(jìn)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征兆與故障原因或故障征兆與故障部件的關(guān)系，以故障征兆狀態(tài)特征為根底進(jìn)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(jī)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(jī)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局部組成。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(jī)工況信號，根據(jù)內(nèi)部儲存的發(fā)動機(jī)各種運(yùn)行工況下的最正確點火時間和噴油量等數(shù)據(jù)，通過調(diào)整執(zhí)行器來進(jìn)行最正確控制，使發(fā)動機(jī)保持最正確運(yùn)行狀態(tài)。由于電控發(fā)動機(jī)品種繁多且系統(tǒng)結(jié)構(gòu)復(fù)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起動困難起動機(jī)轉(zhuǎn)動，但長時間驅(qū)動也不著火；

能啟動，但立即熄火2運(yùn)行速度不穩(wěn)在節(jié)氣門固定的條件下，發(fā)動機(jī)的輸出功率變化；

車速上下波動3動力缺乏或加速緩慢發(fā)動機(jī)輸出的動力比預(yù)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鋒利金屬敲擊聲；

隨著節(jié)氣門開度的增加，金屬敲擊聲增加5加速緩慢踩下加速踏板，在所有條件下都沒有加速的反響；

超車時現(xiàn)象更為嚴(yán)重，有時甚至熄火6缺火根據(jù)發(fā)動機(jī)轉(zhuǎn)速的不同，有相對穩(wěn)定的振動，而且隨著負(fù)荷的

增加更加明顯7怠速不穩(wěn)怠速時發(fā)動機(jī)轉(zhuǎn)速不穩(wěn)定變化；

怠速時發(fā)動機(jī)抖動，嚴(yán)重時發(fā)動機(jī)可能熄火8回火可燃混合器在進(jìn)排氣管中點火引起放炮要能準(zhǔn)確全面地反響出故障原因，要考慮各種影響因素，因此故障征兆描述應(yīng)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(yùn)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(shù)狀態(tài)特征的描述參數(shù)如下：表3-2故障征兆及其技術(shù)狀態(tài)特征的描述參數(shù)序號故障征兆技術(shù)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(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、

蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量、油泵開關(guān)、啟動開關(guān)2運(yùn)行速度不穩(wěn)節(jié)氣門開度、空氣流量、冷卻液溫度、進(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、

蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量3動力缺乏或加速緩慢節(jié)氣門開度、空氣流量、冷卻液溫度、進(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、

蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量、油泵開關(guān)4爆燃或者敲缸節(jié)氣門開度、空氣流量、冷卻液溫度、進(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、爆燃控制5加速緩慢節(jié)氣門開度、空氣流量、冷卻液溫度、進(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量、油泵開關(guān)、啟動開關(guān)、爆燃控制6缺火節(jié)氣門開度、空氣流量、冷卻液溫度、進(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)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(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量、A/C開關(guān)、EGR閥開關(guān)、活性碳罐開關(guān)、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(jìn)氣溫度、發(fā)動機(jī)轉(zhuǎn)速、蓄電池電壓、點火提前角、噴油脈沖、噴油補(bǔ)償量、油泵開關(guān)、爆燃控制故障征兆技術(shù)狀態(tài)特征描述本文以ATK電噴發(fā)動機(jī)怠速不穩(wěn)為例，對產(chǎn)生怠速不穩(wěn)故障征兆的3種故障原因進(jìn)行具體分析。其所需測試的技術(shù)狀態(tài)特征的描述參數(shù)有，發(fā)動機(jī)轉(zhuǎn)速、冷卻液溫度、進(jìn)氣溫度、噴油時間、進(jìn)氣壓力、調(diào)節(jié)值、點火提前角、節(jié)氣門開度、發(fā)動機(jī)負(fù)荷變動率等。(1)發(fā)動機(jī)轉(zhuǎn)速發(fā)動機(jī)轉(zhuǎn)速為發(fā)動機(jī)曲軸每分鐘的回轉(zhuǎn)數(shù)。發(fā)動機(jī)轉(zhuǎn)速的上下，關(guān)系到單位時間內(nèi)作功次數(shù)的多少或發(fā)動機(jī)有效功率的大小。發(fā)動機(jī)在怠速時候轉(zhuǎn)速一般為700-1100r/min，正常運(yùn)行時候可以到達(dá)3000-5000r/min。發(fā)動機(jī)轉(zhuǎn)速越高，單位時間內(nèi)做功越多，所以功率越大，但是轉(zhuǎn)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(zhuǎn)速越高越好。(2)冷卻液冷卻液主要功能為保護(hù)發(fā)動機(jī)正常良好運(yùn)行，在發(fā)動機(jī)水箱內(nèi)循環(huán)，起到防凍、防沸、防銹、防腐蝕等效果。發(fā)動機(jī)運(yùn)轉(zhuǎn)時燃燒室內(nèi)的混合汽燃燒后會產(chǎn)生高溫的壓縮氣體〔約為800—2000℃〕，運(yùn)動部件受熱膨脹會破壞正常的配合間隙，影響發(fā)動機(jī)其他部件的損壞；而如果發(fā)動機(jī)溫度過低，還會造成汽缸進(jìn)氣溫度過低、燃燒不正常、功率下降、油耗增加等現(xiàn)象。因此，冷卻液溫度一般在80℃—100℃，可以起到冷卻發(fā)動機(jī)部件、防止冷卻液凝固、防止冷卻系統(tǒng)部件生銹、(3)進(jìn)氣溫度進(jìn)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(jī)工作能力。(4)點火提前角從點火時刻起到活塞到達(dá)壓縮上止點，這段時間內(nèi)曲軸轉(zhuǎn)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(zhuǎn)速。混合氣從點燃、燃燒到燒完有一個時間過程，隨著轉(zhuǎn)速的上升，轉(zhuǎn)過同樣角度的時間變短，只有更大的提前角才能得到相應(yīng)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(jìn)氣行程點燃進(jìn)氣，往往設(shè)為5度以上，這也是啟動轉(zhuǎn)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，否那么振動和溫升問題將凸顯，效率也將下降。實際上曲軸結(jié)構(gòu)的轉(zhuǎn)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，氣體做成效率低，排氣聲大。不管點火過早或過遲，都會影響轉(zhuǎn)速的提升。(5)節(jié)氣門開度指發(fā)動機(jī)節(jié)氣門的開啟角度，汽車發(fā)動機(jī)節(jié)氣門由駕駛員通過加速踏板來操縱，以改變發(fā)動機(jī)的進(jìn)氣量，從而可以控制發(fā)動機(jī)的運(yùn)轉(zhuǎn)。(6)空燃比發(fā)動機(jī)工作時，燃料必須和吸進(jìn)的空氣成適當(dāng)?shù)谋壤?，才能形成可以燃燒的混合氣?；旌蠚庵锌諝馀c燃料之間的質(zhì)量的比例，就是空燃比。ECU計算機(jī)控制燃油噴射，空氣流量是由空氣流量傳感器測定，進(jìn)氣壓力傳感器吸入發(fā)動機(jī)的空氣流量，為空氣流量計測出的進(jìn)氣量做修正，從而控制汽油噴射發(fā)動機(jī)在各種運(yùn)轉(zhuǎn)工況下都能獲得最正確濃度的混合氣。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?？杖急却笥诶碚撝档幕旌蠚饨凶鱿』旌蠚?，氣多油少，燃燒完全，油耗低，污染小，但功率較小?？杖急刃∮诶碚撝档幕旌蠚饨凶鰸饣旌蠚?，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(yīng)當(dāng)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(jī)負(fù)荷變動率發(fā)動機(jī)負(fù)荷變動率是發(fā)動機(jī)在某一轉(zhuǎn)速下，當(dāng)時發(fā)動機(jī)發(fā)出的功率與同一轉(zhuǎn)速下所可能發(fā)出的最大功率之比。發(fā)動機(jī)負(fù)荷大了，會減少發(fā)動機(jī)壽命，嚴(yán)重的可導(dǎo)致發(fā)動機(jī)停止運(yùn)轉(zhuǎn)或者部件損壞。本章描述了電噴發(fā)動機(jī)的典型故障征兆及狀態(tài)特征，并提出了在各種運(yùn)行工況下的技術(shù)狀態(tài)描述的總體參數(shù)，為后面利用神經(jīng)網(wǎng)絡(luò)的模式識別方法進(jìn)行故障診斷提供了根底。4.診斷實例神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本是進(jìn)行故障模式識別的根底，由于同樣的故障模式其產(chǎn)生的故障原因可能不同，因此，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障模式識別時，通過對不同故障原因的神經(jīng)網(wǎng)絡(luò)樣本進(jìn)行訓(xùn)練，才能到達(dá)識別故障的目的。RBF網(wǎng)絡(luò)故障診斷流程如圖4-1。4.1.1故障模式識別的目的就是通過確認(rèn)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(chǎn)生怠速不穩(wěn)故障征兆的3種故障原因的分析，結(jié)合神經(jīng)網(wǎng)絡(luò)方法，到達(dá)進(jìn)行故障模式識別的目的。怠速工況是指，在發(fā)動機(jī)運(yùn)轉(zhuǎn)時完全放松油門踏板，指發(fā)動機(jī)空轉(zhuǎn)時的一種工作狀況。發(fā)動機(jī)怠速運(yùn)轉(zhuǎn)時，控制系統(tǒng)以閉環(huán)的控制方式工作。ECU檢測發(fā)動機(jī)的轉(zhuǎn)速、溫度和負(fù)荷狀態(tài)，來控制電機(jī)以穩(wěn)定怠速轉(zhuǎn)速。造成怠速故障的主要原因有怠速電機(jī)不工作、進(jìn)氣系統(tǒng)漏氣、某缸噴油嘴堵等。(l)怠速電機(jī)不工作電噴發(fā)動機(jī)的怠速控制采用閉環(huán)方式，怠速控制閥的機(jī)械故障(如怠速閥卡滯，封閉不嚴(yán)漏氣)和電器故障，都將造成怠速不穩(wěn)定的現(xiàn)象。(2)進(jìn)氣系統(tǒng)漏氣進(jìn)氣系統(tǒng)的漏氣量將隨發(fā)動機(jī)轉(zhuǎn)速的變化而改變。由于怠速控制條件的改變，使發(fā)動機(jī)的怠速受漏氣量的影響而導(dǎo)致轉(zhuǎn)速的波動現(xiàn)象，因而造成發(fā)動機(jī)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(jī)來講，每個氣缸都分別對應(yīng)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(jī)怠速不穩(wěn)定的現(xiàn)象。4.1.2本文采用故障診斷儀VAG1552，對捷達(dá)轎車ATK型〔壓力型〕發(fā)動機(jī)進(jìn)行樣本采集。在采集數(shù)據(jù)前，要進(jìn)行相應(yīng)的系統(tǒng)檢測，應(yīng)保證蓄電池電壓正常，發(fā)動機(jī)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(shè)置發(fā)動機(jī)的工作狀態(tài)分別為：怠速正常工作；怠速電機(jī)不工作；進(jìn)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(jī)轉(zhuǎn)速/r.min冷卻液溫度/℃進(jìn)氣溫度/℃噴油時間/ms進(jìn)氣壓力/kPa點火提前角/°節(jié)氣門開度/%調(diào)節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%1234567886087086587086086587086094949595959494954241414241424242514-2怠速電機(jī)不工作樣

本

數(shù)發(fā)動機(jī)轉(zhuǎn)

速/r.min冷卻液溫度/℃進(jìn)氣溫

度/℃噴油時

間/ms進(jìn)氣壓

力/kPa點火提

前角/°節(jié)氣門

開度/%調(diào)

節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%1234567821422146215421832170216221502160949595959494949541424242414142422222222238100100100100100100100100000000004-3進(jìn)氣系統(tǒng)漏氣樣

本

數(shù)發(fā)動機(jī)轉(zhuǎn)

速/r.min冷卻液溫度/℃進(jìn)氣溫

度/℃噴油時

間/ms進(jìn)氣壓

力/kPa點火提

前角/°節(jié)氣門

開度/%調(diào)

節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%123456789008609309601020990109011209494959594949495404041404240414232337116025254-4某缸噴油嘴堵樣

本

數(shù)發(fā)動機(jī)轉(zhuǎn)

速/r.min冷卻液溫

度/℃進(jìn)氣溫

度/℃噴油時

間/ms進(jìn)氣壓

力/kPa點火提

前角/°節(jié)氣門

開度/%調(diào)

節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%123456788268308148368548428328609494959495949495424141424142424223343540000000019網(wǎng)絡(luò)模型的建立對以上數(shù)據(jù)進(jìn)行歸一化處理，應(yīng)用MATLAB語言對RBF網(wǎng)絡(luò)進(jìn)行編程，編程詳見附錄。用上述故障樣本對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，設(shè)計怠速正常工作狀態(tài)的樣本輸入網(wǎng)絡(luò)后輸出為1000，怠速電機(jī)不工作樣本輸出為0100，進(jìn)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(xùn)練后網(wǎng)絡(luò)輸出圖如下：網(wǎng)絡(luò)模型的驗證利用神經(jīng)網(wǎng)絡(luò)已經(jīng)訓(xùn)練好的權(quán)值，將四組待識別故障的數(shù)據(jù)流數(shù)據(jù)進(jìn)行歸一化處理，輸入神經(jīng)網(wǎng)絡(luò)并運(yùn)行，驗證網(wǎng)絡(luò)故障診斷的準(zhǔn)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(jī)轉(zhuǎn)速/r.min冷卻液溫度/℃進(jìn)氣溫度/℃噴油時間/ms進(jìn)氣壓力/kPa點火提前角/°節(jié)氣門開度/%調(diào)節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%1234567886087086587086086587086094949595959494954241414241424242233551633204-6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(jī)轉(zhuǎn)

速/r.min冷卻液溫度/℃進(jìn)氣溫度/℃噴油時間/ms進(jìn)氣壓力/kPa點火提前角/°節(jié)氣門開度/%調(diào)節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%1234567821552140215221792160216721582160969793979695969443414347434642482222222223233838100100100100100100100100000000004-7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(jī)轉(zhuǎn)

速/r.min冷卻液溫度/℃進(jìn)氣溫度/℃噴油時間/ms進(jìn)氣壓力/kPa點火提前角/°節(jié)氣門開度/%調(diào)節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%12345678910870940970101010201090111095949594969394954341414342404242337120254-8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(jī)轉(zhuǎn)

速/r.min冷卻液溫度/℃進(jìn)氣溫度/℃噴油時間/ms進(jìn)氣壓力/kPa點火提前角/°節(jié)氣門開度/%調(diào)節(jié)值/%發(fā)動機(jī)負(fù)荷變動率/%123456788388358208398508428398629794959493949495434244424343454233435300000000驗證后網(wǎng)絡(luò)輸出圖如下：由圖可知第一組待測樣本經(jīng)網(wǎng)絡(luò)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(jī)不工作；第三組待測樣本輸出為0010，工作狀態(tài)為進(jìn)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)。比照網(wǎng)絡(luò)輸出跟目標(biāo)向量幾乎相等可知網(wǎng)絡(luò)能有效學(xué)習(xí)，從而可知RBF神經(jīng)網(wǎng)絡(luò)可以很好地診斷出相應(yīng)的故障。5結(jié)論發(fā)動機(jī)故障診斷技術(shù)的研究，對改善汽車的良好性能有著重要作用，尤其是神經(jīng)網(wǎng)絡(luò)的應(yīng)用，使故障診斷技術(shù)趨于智能化方向開展。本文在MATLAB語言環(huán)境下對RBF網(wǎng)絡(luò)進(jìn)行編程，對捷達(dá)ATK型電噴發(fā)動機(jī)怠速不穩(wěn)的3種故障原因進(jìn)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(jìn)行的，目的是要簡化當(dāng)前汽車故障診斷儀的數(shù)據(jù)流功能。從實驗結(jié)果可以看出，RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的結(jié)果是很準(zhǔn)確的，只要網(wǎng)絡(luò)一旦訓(xùn)練好，就可以快速、準(zhǔn)確地診斷出相應(yīng)的故障，大大簡化數(shù)據(jù)流功能，具有遠(yuǎn)大的前景。對于本文，還有進(jìn)一步研究的建議：(1)本文以電噴發(fā)動機(jī)怠速不穩(wěn)故障為例，在MATLAB環(huán)境下進(jìn)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(jīng)網(wǎng)絡(luò)方法進(jìn)行結(jié)合研究。如可以把基于特征層的多傳感器信息融合技術(shù)與神經(jīng)網(wǎng)絡(luò)技術(shù)進(jìn)行結(jié)合，形成更完善的故障診斷方法。(3)另外，簡化神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法將是實際應(yīng)用中需要研究解決的問題。致謝語本論文是在導(dǎo)師黃振坤老師的悉心指導(dǎo)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(fèi)了黃老師很多的珍貴時間和精力，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(jìn)行，在此向?qū)煴硎局孕牡母兄x！導(dǎo)師一絲不茍的治學(xué)態(tài)度，勤勉的工作態(tài)度和高度的責(zé)任心都將使學(xué)生受益終生！還要感謝和我同一小組的幾位同學(xué)，是你們在我平時設(shè)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(jié)稿，在此表示深深的謝意。最后再一次感謝所有在畢業(yè)設(shè)計中曾經(jīng)幫助過我的良師益友，以及在設(shè)計中被我引用或參考的論著的作者。[參考文獻(xiàn)][1]張毅，鄭殿旺.汽車故障診斷技術(shù)的開展現(xiàn)狀及展望.[J]工業(yè)技術(shù)經(jīng)濟(jì)，1997，16(2)：103-104.[2][J].北京:機(jī)械工業(yè)出版社，2001(09)：11-35.[3]王紅萍.機(jī)械設(shè)備故障診斷技術(shù)及應(yīng)用[M].陜西：西北工業(yè)大學(xué)出版社，2001.[4]鐘秉林，黃仁.機(jī)械故障診斷學(xué)[M].北京：機(jī)械工業(yè)出版社，1997.[5]楊德華，劉家聲.汽車檢測與診斷技術(shù)仁[M].江蘇：江蘇科學(xué)技術(shù)出版社，1994.[6]王立大.基于網(wǎng)絡(luò)化虛擬儀器技術(shù)的拖拉機(jī)綜合性能檢測系統(tǒng)研究[D].浙江：浙江大學(xué)農(nóng)業(yè)機(jī)械化工程，2004.[7]鄭文鐘，何勇，陳開考.電噴發(fā)動機(jī)故障診斷專家系統(tǒng)的研究[N].浙江大學(xué)學(xué)報，2002-04-25(02).[8]楊金玉.基于神經(jīng)網(wǎng)絡(luò)電噴發(fā)動機(jī)傳感器故障診斷專家系統(tǒng)的研究[D].陜西：長安大學(xué)車輛工程，2023.[9][D].重慶交通大學(xué)車輛工程，2023.[10]衛(wèi)紹元.數(shù)據(jù)流功能在電控汽車故障診斷中的應(yīng)用[J].汽車技術(shù)，2000(8)：33-34.[11][M].北京:清華大學(xué)出版社，2001.[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(jī)械工業(yè)出版社，1997.[14][J].汽車技術(shù)，2003(5):38-41.[15][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(jīng)網(wǎng)絡(luò)進(jìn)行編程：clc;clearall;closeall;%怠速正常工作的樣本數(shù)據(jù)P_train1=[8609442233.153.5-2.719.1;870 94412.234.65.53.3-2.919.8;865 95412.433.6513.4-2.618.2;870 95422.2345.83.2-2.720;860 9541333.56.23-2.619.4;865 94422.5344.93.1-2.818.8;870 94422.834.263-2.119.8;86095423 357.33.4-2.419.2];%怠速電機(jī)不工作的樣本數(shù)據(jù)P_train2=[21429441222.437.5100012.6;214695 42222.637.6100012.9;215495 42222.437.8100013.6;218395 42222.438.2100017.3;217094 41223 38100016.4;216294 41223 37.8100014.6;215094 42222.537.5100013.3;216095 42222.838.1100014.4];%進(jìn)氣系統(tǒng)漏氣的樣本數(shù)據(jù)P_train3=[90094402.237.74.53.5-1.9921.9;86094403.239.72.23.1017.6;930 95415.141.85.23.9-2.722.7;9609540339.77.84.2-3.521.7;10209442235.714.35.22525;99094403.238.4114.817.1423.9;1090944133716.25.627.720.7;112095423.237.819.1629.222.7];%某缸噴油嘴堵的樣本數(shù)據(jù)P_train4=[8269442233.12.82.3018.4;83094412.834.63.22.4018.2;81495412.433.62.22.3018.2;83694422.233.342.5018.6;85495412.333.56.22.4019.4;84294422.5344.92.3018.8;83294422.834.23.62.3019;86095423 357.32.4019.2];%對P_train1到P_train4數(shù)據(jù)歸一化處理fori=1:8P_train1(i,:)=(P_train1(i,:)-min(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;endT_train1=[1000;1000;1000;1000;1000;1000;1000;1000];T_train2=[0100;0100;0100;0100;0100;0100;0100;0100];T_train3=[0010;0010;0010;0010;0010;0010;0010;0010];T_train4=[0001;0001;0001;0001;0001;0001;0001;0001];P_test1=[8609442233.153.5-2.719.1;870 94412.234.65.53.3-2.919.8;865 95412.433.6513.4-2.618.2;870 95422.2345.83.2-2.720;860 9541333.56.23-2.619.4;865 94422.5344.93.1-2.818.8;870 94422.834.263-2.119.8;860 95423357.33.4-2.419.2];P_test2=[2