基于模糊神經網絡的汽車故障診斷方法研究.pdf

1、隨著電子控制技術在汽車領域的廣泛應用,汽車的整體性能已經有了很大的提升,但隨之產生的汽車故障也變得越來越復雜,單憑經驗判斷或簡單儀器的檢測已無法滿足汽車故障診斷的要求。目前,OBD(On-Board Diagnostics)車載診斷系統(tǒng)已被廣泛用于汽車電控系統(tǒng)的故障診斷,診斷結果主要以故障代碼及相關數據流形式呈現,但最終故障的確定和解決仍需借助其他儀器(如故障診斷儀)的檢測及維修人員的專業(yè)知識,且這種診斷范圍有待進一步擴大,診斷精確性有

2、待進一步提高。因此,尋找一種更加高效智能的汽車電控單元診斷方法成為汽車故障診斷研究領域一個重要方向。
　　 為了克服上述的不足,本文在診斷系統(tǒng)中引入人工智能技術,將模糊邏輯和神經網絡有機地結合,匯集各自的優(yōu)點從而得到一個更為有效的汽車故障診斷方法——模糊神經網絡。
　　 首先,為了采集汽車電控系統(tǒng)的相關傳感器的動態(tài)參數信息,開發(fā)了個人手持汽車故障診斷儀的實物硬件及運行其上的支持多協議和OBDⅡ標準的汽車故障診斷軟件。通過

3、個人手持汽車故障診斷儀采集汽車故障狀態(tài)數據,為后續(xù)的數據處理和故障診斷提供原始的檢測數據。
　　 其次,以汽車防抱死制動系統(tǒng)ABS(Antilock Braking System)的故障診斷為研究對象,建立了基于T-S模型的模糊神經網絡模型,并以蟻群優(yōu)化算法訓練該神經網絡,通過對比實驗表明該診斷方法具有更加高效智能的優(yōu)點。基于模糊神經網絡的ABS故障診斷專家系統(tǒng),用模糊隸屬函數來描述各種故障現象,用神經元及其連接權值的分布表示故

4、障的分布,用蟻群算法和BP算法相融合的ACO-BP算法從訓練范例中荻取知識,實現知識表示、存儲和推理三者融為一體,在知識獲取、并行推理、自適應學習、聯想推理和容錯能力等方面顯示出了明顯的優(yōu)越性,能很好的完成汽車ABS故障診斷任務。
　　 最后,將基于模糊神經網絡的汽車故障診斷方法應用于個人手持汽車故障診斷儀中,使得診斷儀的診斷精度得到進一步提高?；赥-S模型的模糊神經網絡一旦訓練完成后,就可以用來快速、準確地診斷相應的汽車故障