汽車發(fā)動機點火系統的故障診斷方法研究.pdf

1、隨著汽車電子信息技術的迅猛發(fā)展，現代汽車的結構日益復雜，科技含量不斷增加?，F代汽車的故障診斷工作顯得非常迫切。發(fā)動機的故障診斷和維修在汽車修理中占有極為重要的地位。統計數字表明，45％左右的發(fā)動機故障發(fā)生在點火系統，可見，點火系統工作質量的好壞直接影響到發(fā)動機的技術狀況，其故障診斷具有重要意義。
　　 首先，本文在查閱大量文獻的基礎上，分析歸納了電子點火系統的常見故障和常用診斷方法。目前常用的方法有數字萬用表和汽車點火示波器和人

2、工智能。比較了各自的優(yōu)缺點之后，本文采用基于GA-BP故障診斷模型的智能方法。該方法以次級點火電壓波形為出發(fā)點，一旦點火系統出現故障，次級點火電壓波形會產生變化，變化區(qū)域能夠反映相應的故障信息。對次級點火電壓波形進行深入分析并提取出反映波形變化的關鍵參數，作為GA-BP故障診斷模型的輸入，根據對應關系，輸出則為故障信息。
　　 其次，對GA-BP故障診斷模型進行建模。該模型包括數據采集、數據處理、BP神經網路、遺傳算法(GA算法

3、)、故障結論5大部分。汽車點火示波器作為采集模塊，采集故障波形數據；數據處理模塊對這些數據做歸一化預處理；BP神經網絡進行模式識別，得出故障結論。
　　 由于BP神經網絡自身結構存在不足，一旦初始參數選取不當，會導致網絡振蕩，輸出誤差變大，且診斷時所需時間較長。本文采用遺傳算法(GA算法)來解決這一問題。通過GA算法優(yōu)化BP神經網絡初始參數，以減小誤差，提高診斷效率。
　　 最后，對GA-BP故障診斷模型進行MATLAB