電噴汽車(chē)發(fā)動(dòng)機(jī)故障診斷技術(shù)研究.pdf

1、發(fā)動(dòng)機(jī)是汽車(chē)動(dòng)力的來(lái)源。隨著其工作性能的不斷改善、電子化程度的不斷提高，其結(jié)構(gòu)也變得越來(lái)越復(fù)雜，雖然發(fā)動(dòng)機(jī)發(fā)生故障的概率并不是太高，但是一旦發(fā)生故障將很難診斷。隨著人工智能技術(shù)的快速發(fā)展，神經(jīng)網(wǎng)絡(luò)已經(jīng)越來(lái)越多的應(yīng)用到了復(fù)雜系統(tǒng)的故障診斷中。本文以電噴發(fā)動(dòng)機(jī)怠速不穩(wěn)故障為例，用多傳感器信息融合的神經(jīng)網(wǎng)絡(luò)方法對(duì)幾種主要故障原因在MATLAB環(huán)境下進(jìn)行了仿真研究。 本文首先分析了國(guó)內(nèi)外汽車(chē)故障診斷技術(shù)的現(xiàn)狀和發(fā)展?fàn)顩r，總結(jié)了一些故障診

2、斷的主要理論和方法，對(duì)神經(jīng)網(wǎng)絡(luò)原理的基本知識(shí)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)作了比較詳細(xì)的介紹；其次，對(duì)發(fā)動(dòng)機(jī)電控系統(tǒng)的基本知識(shí)進(jìn)行了介紹，并分析了幾種主要傳感器及執(zhí)行器的波形，指出了波形特征和故障的關(guān)系；然后，研究了多傳感器信息融合神經(jīng)網(wǎng)絡(luò)發(fā)動(dòng)機(jī)故障診斷方法，以電噴發(fā)動(dòng)機(jī)怠速不穩(wěn)為例，選擇了相關(guān)傳感器、執(zhí)行器波形特征參數(shù)為原始特征向量，并研究了應(yīng)用主成分分析方法進(jìn)行特征提取的方法以及信息融合中心的設(shè)計(jì)；最后在MATLAB環(huán)境下設(shè)計(jì)了診斷怠速不穩(wěn)的

3、多傳感器信息融合RBF神經(jīng)網(wǎng)絡(luò)，并進(jìn)行了檢驗(yàn)。 本文在MATLAB環(huán)境下使用基于主成分分析和信息融合的RBF神經(jīng)網(wǎng)絡(luò)對(duì)怠速不穩(wěn)樣本進(jìn)行訓(xùn)練和仿真實(shí)驗(yàn)，經(jīng)驗(yàn)證該故障診斷模型對(duì)電噴發(fā)動(dòng)機(jī)故障識(shí)別具有很高的準(zhǔn)確率。最后，將多傳感器信息融合的神經(jīng)網(wǎng)絡(luò)方法和單傳感器信息的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行比較，證明了多傳感器信息融合的神經(jīng)網(wǎng)絡(luò)方法的故障診斷準(zhǔn)確率更高；將使用主成分分析的RBF神經(jīng)網(wǎng)絡(luò)和不使用主成分分析的RBF神經(jīng)網(wǎng)絡(luò)比較，結(jié)果顯示使用主成分