基于神經網絡的LPG發(fā)動機故障診斷系統(tǒng)研究.pdf

1、本文在分析國內外汽車診斷技術發(fā)展及現(xiàn)狀等有關資料的基礎上，對LPG發(fā)動機故障的種類與特點、故障診斷的理論方法和基本過程進行了深入的研究。 隨著電子控制技術在汽車工程中的應用，使得LPG發(fā)動機故障診斷研究更為復雜。由于計算機技術的日益成熟，為LPG發(fā)動機故障識別的技術提供了完整的理論基礎。通過對課題研究的目的及意義進行了探討，指出LPG發(fā)動機診斷理論研究是LPG發(fā)動機故障診斷系統(tǒng)建立的重要基礎。 首先，分析了LPG發(fā)動機各

2、系統(tǒng)結構與原理、故障診斷系統(tǒng)的基本診斷過程及主要方法，并結合LPG汽車常見故障的特點，論述了LPG發(fā)動機燃料供給系統(tǒng)、電子控制系統(tǒng)和機械部件異響常見故障征兆、故障原因的理論分析及案例的排除方法。由于LPG發(fā)動機各系統(tǒng)組成的復雜性，同樣的故障征兆會出現(xiàn)“一果多因”的特點，因此對LPG發(fā)動機的故障性質和規(guī)律之間的關系進行了研究，并提出進行LPG發(fā)動機故障診斷的策略。以LPG發(fā)動機各系統(tǒng)常出現(xiàn)的故障為例，對故障征兆的技術狀態(tài)特征的描述、利用神

3、經網絡進行故障原因分析與故障部位判斷等問題進行了深入的研究。 其次，結合神經網絡的基本理論，從應用角度分析了神經網絡設計中的網絡層數(shù)、隱含層的神經元數(shù)、學習速率、期望誤差的選取問題，并提出了相應的改進方法。進行了BP神經網絡診斷系統(tǒng)BP算法、L-M算法、動量-自適應學習率調整算法的設計，以燃料供給系統(tǒng)、電子控制系統(tǒng)和機械部件異響的故障征兆為基本模式，采用單故障樣本組合的方式對神經網絡進行訓練，來識別具體的故障原因和部位，并對神經

4、網絡的三種算法進行了對比與分析，動量-自適應學習率調整算法在保證了收斂速度的前提下，提高了算法的準確性，是最優(yōu)算法。 最后，以MATLAB7.0應用軟件為主要的數(shù)值和分析手段，利用MATLAB神經網絡工具箱，設計了LPG發(fā)動機故障診斷系統(tǒng)。并設計了輸入輸出界面，能夠將MATLAB運行結果轉化為LPG發(fā)動機的具體故障，并能在彈出的圖形界面中顯示故障部位，使維修人員操作簡單。通過抽取新數(shù)據(jù)進行了神經網絡的測試，測試的誤差非常小，驗證