基于信息融合的汽油发动机电控系统故障诊断方法研究

论文摘要

本文在广泛收集和整理分析国内外汽车故障诊断研究相关资料的基础上,对汽车故障诊断基础理论和技术方法应用现状进行了分类,并分析了不同阶段的研究重点以及各种不同方法的特点,论述了研究的主要发展趋势,以此为依据,确定了运用信息融合的相关理论和方法,研究汽油发动机电控系统故障诊断方法与技术为目的,以应用多种模式识别方法进行特征级融合诊断的研究方向,其主要内容包括：第一,在对现有的汽车故障诊断方法特点进行深入分析、研究和归纳分类的基础之上,提出未来汽车故障诊断方法和技术将会在传统方法的基础上,不断融合各种先进的技术和理论,并加强反馈系统的故障诊断,同时,在分析了信息融合理论的特点和适用条件的基础上,分析了信息融合理论应用于汽车电控系统的故障诊断的适用性；第二,研究了模式识别和信息融合的基本理论和技术,其中重点研究D-S证据理论及其关键问题的解决方法,包括证据体的基本可信度分配问题、证据的冲突问题、证据体的相关性问题以及不同识别框架下的证据组合问题。并研究基于D-S证据理论的信息融合方法应用于汽车电控系统故障诊断的理论基础,提出将各个独立的低维神经网络的输出值处理后作为辨识框架上命题的基本可信度分配,然后经过证据理论的再次融合后得到最终的诊断结果。第三,在深入研究汽油发动机电控系统及其控制原理以及相关数据流的基础上,分析传感器和执行器类间和类内故障均可分的理论依据,为实现基于类内和类间的特征级融合提供基础。第四,针对汽车电控系统特征参数的提取和选择问题,将传统方法和基于核的特征选择和提取方法相结合,并根据汽车故障诊断的参数要求,从传感器和执行器类间故障以及传感器类内故障和执行器类内故障分别提取出最优化的特征参数；第五,通过汽车电控系统的故障的诊断测试分析,验证基于信息融合的汽车电控系统故障诊断方法的有效性,并研究该方法用于汽车电控系统故障诊断的精度问题,实验证明,该方法可以在一定程度上提高识别的准确率,消除单一数据源包含信息的不全面性以及模糊性等等,从而有效提高故障诊断的精度。基于神经网络和D-S证据理论融合的汽油发动机电控故障模式识别是建立集成化和智能化汽车故障诊断的理论基础,相关理论的应用研究是提高汽车故障诊断精度的必要条件,该方法不仅是汽油发动机电控系统故障诊断智能化的有效方法,也是对汽车整个电控系统故障诊断方法的新探索,其研究将促进故障诊断智能化的发展进程。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 汽车故障诊断方法概述
• 1.1.1 人工经验及仪表设备诊断法
• 1.1.2 自诊断方法
• 1.1.3 专家系统诊断法
• 1.1.4 基于模式识别的汽车故障诊断方法
• 1.2 融合理论的发展与应用
• 1.2.1 起源与发展
• 1.2.2 在汽车故障诊断中应用的问题
• 1.3 课题研究的目的和意义
• 1.4 论文的主要研究内容
• 2 模式识别与信息融合基本理论
• 2.1 模式识别
• 2.1.1 模式识别的基本概念
• 2.1.2 模式识别的主要研究内容
• 2.1.3 模式识别的主要方法
• 2.2 基于神经网络的模式识别
• 2.2.1 神经网络的拓扑结构与识别过程
• 2.2.2 几种典型的神经网络模式识别
• 2.3 信息融合的基本理论
• 2.3.1 基本概念及算法分类
• 2.3.2 融合技术的结构和层次性
• 2.4 基于D-S证据理论的信息融合
• 2.4.1 D-S证据理论的基本概念
• 2.4.2 关键技术及其解决方法
• 2.5 神经网络和D-S证据理论融合的理论基础
• 2.6 本章小结
• 3 汽车电控汽油发动机自诊断原理及数据流检测与分析
• 3.1 汽油发动机电控系统及其控制原理
• 3.1.1 汽油发动机的电控系统
• 3.1.2 电控汽油发动机控制系统主要器件
• 3.1.3 电控发动机运行工况及其控制原理
• 3.2 汽车电控发动机的故障自诊断
• 3.2.1 故障自诊断模式及相关信号
• 3.2.2 故障自诊断原理
• 3.3 系统试验平台的构建
• 3.3.1 检测仪器
• 3.3.2 检测系统
• 3.3.3 检测内容
• 3.4 电控汽油发动机故障诊断数据流分析
• 3.4.1 检测数据—数据流
• 3.4.2 故障分析方法
• 3.4.3 传感器故障数据流分析
• 3.4.4 执行器故障数据流分析
• 3.4.5 两类故障数据流对比分析
• 3.5 本章小结
• 4 电控汽油发动机故障特征选择与提取方法及其应用
• 4.1 特征选择与提取简介
• 4.1.1 特征评判标准
• 4.1.2 特征选择的一般原则
• 4.2 特征提取与选择的主要方法
• 4.2.1 基于K-L变换的特征提取（主成分分析PCA）
• 4.2.2 基于核的特征选择与提取
• 4.2.3 两种方法对比分析
• 4.3 汽车电控发动机故障诊断参数的提取与选择
• 4.3.1 汽车电控发动机故障征兆及其技术状态特征
• 4.3.2 汽车电控发动机故障诊断参数的特征选择与提取方法
• 4.4 本章小结
• 5 电控汽油发动机故障融合诊断结果分析
• 5.1 诊断流程
• 5.2 传感器类和执行器类的类间故障融合诊断
• 5.2.1 基于神经网络的传感器和执行器类间故障初级诊断
• 5.2.2 基于D-S证据理论的传感器和执行器类间故障融合诊断
• 5.3 传感器类内故障融合诊断
• 5.3.1 基于神经网路的传感器类内故障初级诊断
• 5.3.2 基于D-S证据理论的传感器类内故障融合诊断
• 5.4 执行器类内故障融合诊断
• 5.4.1 基于神经网络的执行器类内故障初级诊断
• 5.4.2 基于D-S证据理论的执行器类内故障融合诊断
• 5.5 融合结果分析
• 5.6 本章小结
• 结论
• 参考文献
• 附录A
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历