电喷汽车发动机故障诊断技术研究

论文摘要

发动机是汽车动力的来源。随着其工作性能的不断改善、电子化程度的不断提高,其结构也变得越来越复杂,虽然发动机发生故障的概率并不是太高,但是一旦发生故障将很难诊断。随着人工智能技术的快速发展,神经网络已经越来越多的应用到了复杂系统的故障诊断中。本文以电喷发动机怠速不稳故障为例,用多传感器信息融合的神经网络方法对几种主要故障原因在MATLAB环境下进行了仿真研究。本文首先分析了国内外汽车故障诊断技术的现状和发展状况,总结了一些故障诊断的主要理论和方法,对神经网络原理的基本知识、径向基函数神经网络作了比较详细的介绍;其次,对发动机电控系统的基本知识进行了介绍,并分析了几种主要传感器及执行器的波形,指出了波形特征和故障的关系;然后,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;最后在MATLAB环境下设计了诊断怠速不稳的多传感器信息融合RBF神经网络,并进行了检验。本文在MATLAB环境下使用基于主成分分析和信息融合的RBF神经网络对怠速不稳样本进行训练和仿真实验,经验证该故障诊断模型对电喷发动机故障识别具有很高的准确率。最后,将多传感器信息融合的神经网络方法和单传感器信息的神经网络方法进行比较,证明了多传感器信息融合的神经网络方法的故障诊断准确率更高;将使用主成分分析的RBF神经网络和不使用主成分分析的RBF神经网络比较,结果显示使用主成分分析可以使神经网络结构更简单,性能更好。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 发动机故障诊断的意义
• 1.2 发动机故障诊断技术
• 1.2.1 发动机故障诊断分类
• 1.2.2 发动机故障诊断方法
• 1.3 发动机故障诊断技术的应用现状及发展趋势
• 1.3.1 国外汽车诊断技术的发展概况
• 1.3.2 国内发动机故障诊断技术的发展状况
• 第二章 故障诊断理论及方法
• 2.1 汽车故障诊断的基本概念
• 2.2 故障诊断方法
• 2.2.1 基于信号分析处理的故障诊断方法
• 2.2.2 基于解析模型的故障诊断方法
• 2.2.3 基于人工智能的故障诊断方法
• 2.3 径向基函数神经网络原理
• 2.3.1 RBF 神经网络结构
• 2.3.2 RBF 神经网络的学习算法
• 2.4 神经网络在故障诊断中的应用
• 2.4.1 基于神经网络的故障诊断的优点
• 2.4.2 神经网络与故障诊断结合的途径
• 2.5 本章小结
• 第三章 电喷发动机故障诊断研究
• 3.1 电喷发动机控制系统的基本组成和工作原理
• 3.1.1 电喷发动机电控系统的结构
• 3.1.2 电喷发动机电控系统的基本组成
• 3.2 主要传感器、执行器的工作原理和波形分析
• 3.2.1 点火波形分析
• 3.2.2 喷油器波形分析
• 3.2.3 氧传感器波形分析
• 3.3 电喷发动机故障征兆及其技术状态特征
• 3.3.1 电喷发动机常见故障征兆及原因分析
• 3.3.2 电喷发动机典型故障征兆的技术状态特征
• 3.4 本章小结
• 第四章 基于信息融合神经网络的电控发动机故障诊断设计
• 4.1 基于神经网络的故障诊断方法
• 4.1.1 神经网络在故障模式识别中的应用
• 4.1.2 基于神经网络的故障诊断过程
• 4.2 怠速不稳故障征兆的分析
• 4.2.1 电喷发动机典型运行工况的控制
• 4.2.2 怠速不稳的原因分析
• 4.3 特征参数的选择与提取
• 4.3.1 特征参数的选择
• 4.3.2 基于主成分分析特征参数的提取
• 4.4 信息融合中心的设计
• 4.4.1 隐层神经元数的确定
• 4.4.2 转移函数的选择
• 4.4.3 输出层的设计
• 4.5 本章小结
• 第五章 基于RBF 神经网络的怠速不稳故障诊断方法的研究
• 5.1 基于主成分分析的发动机怠速不稳故障数据的特征提取
• 5.2 诊断怠速不稳故障的RBF 神经网络设计
• 5.2.1 MATLAB 环境下RBF 神经网络构建函数的选择
• 5.2.2 隐层神经元数的确定
• 5.2.3 转移函数
• 5.2.4 输出层的设计
• 5.2.5 怠速不稳故障诊断的RBF 神经网络程序设计
• 5.3 多传感器信息融合RBF 网络和单传感器信息RBF 网络的比较
• 5.4 有无主成分分析进行特征提取的RBF 神经网络的比较
• 5.5 本章小结
• 第六章 结论与建议
• 致谢
• 参考文献
• 在学期间所发表的学术论著