基于神经网络的发动机故障诊断分析(共26页).doc

《基于神经网络的发动机故障诊断分析(共26页).doc》由会员分享，可在线阅读，更多相关《基于神经网络的发动机故障诊断分析(共26页).doc（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上基于神经网络的发动机故障诊断分析摘要 发动机是汽车的动力来源，因此发动机故障诊断技术的研究，对改善汽车的良好性能和确保汽车的运行安全有着重要作用。本文首先分析了国内外汽车故障诊断技术的发展及现状，介绍并分析一些故障诊断的主要理论和方法。通过对发动机故障征兆及技术状态特征的分析，确定发动机的工况和故障征兆的主要影响因素，并利用VAG1552汽车故障诊断仪收集故障样本集，通过RBF网络模型对大量样本进行训练，仿真实验表明诊断模型对发动机故障模式识别有很高的准确率，具有很高的实际应用价值。关键词 发动机 故障诊断 故障征兆 RBF神经网络专心-专注-专业The Analys

2、is of the Engine Fault Diagnosis Based on Neural NetworkAbstract The engine is the power source of the car, so the research on engine fault diagnosis technology has a good role for improving the performance of the car and ensuring the safe operation of the car. First, this paper analyzes the develop

3、ment and current situation of domestic and foreign automotive fault diagnosis technology and then introduces and analyzes a number of main theories and methods of fault diagnosis. Then, through the analysis of the technical state of the engine failure symptoms and characteristics, it determines the

4、main factors of the engine operating conditions and fault symptoms. And using the VAG1552 automotive fault diagnostic the paper collects the data of fault sample, and through training the samples with RBF neural network, the simulation results shows that the diagnosis model has high accuracy for pat

5、tern recognition of engine fault and has a high practical value.Key Words the Engine Fault Diagnosis Failure Symptoms RBF Neural Network目录1 引言11.1研究背景11.2发动机故障诊断的意义和诊断技术11.3电喷发动机故障诊断技术的现状和发展趋势21.3.1国外汽车故障诊断技术的发展21.3.2国内电喷发动机故障诊断技术的发展31.4研究内容和思路32 RBF神经网络原理42.1 RBF神经网络的结构及其特点42.2径向基函数网络的算法53电喷发动机故障诊断

6、83.2电喷发动机运行工况83.3电喷发动机故障征兆及技术状态特征83.3.1典型故障征兆83.3.2故障征兆技术特征描述104诊断实例134.1故障征兆分析和数据获取134.1.1怠速不稳原因分析134.1.2实验数据的获取144.2神经网络分析164.2.1网络模型的建立164.2.2网络模型的验证165结论18参考文献19致谢语201引言1.1研究背景随着社会经济的快速发展和人们消费理念的逐渐更新，汽车已成为现代社会中不可缺少的一种重要交通工具。然而，当我们在尽情享受现代汽车工业发展给我们生活带来种种便利的同时，我们也无法回避这么一个现实，那就是汽车随着行驶里程的增加和使用时间的延续，其

7、技术状况将不断恶化。因此，我们不仅要不断研制性能优良的汽车，也要借助维护和修理水平的提高来恢复其技术状况。汽车故障诊断技术起始于60年代的西方发达国家，随着汽车结构的日益复杂，必然要求有相应的诊断手段来满足其维护的需求，因此，汽车诊断技术在过去的几十年中取得了迅速的发展。20世纪60年代出现了车外诊断设备，70年代出现了车载诊断系统，80年代末诊断技术向信息化和智能化方向不断前进，专家系统开始应用于汽车故障诊断。90年代末，具有诊断复杂故障能力的专家系统和汽车自身诊断功能密切相连，构成了新的车外诊断系统。这些车外诊断系统采用了微电子技术、计算机技术、先进的传感器技术并结合人工智能技术，将汽车自

8、身的诊断结果，汽车的运行状态参数输出到车外诊断系统中进而综合分析做出相应的判断和处理。1.2发动机故障诊断的意义和诊断技术燃油喷射电子控制发动机具有可以提高输出功率、改善动力性能、降低油耗、改善驾驶性能等许多传统发动机不可比拟的优点，随着汽车工业的快速发展，电喷发动机汽车以极大的速度发展起来，取代了传统的化油器式发动机汽车。汽车电子控制系统的广泛应用，提高了汽车的安全性、动力性、经济性和排放性能，使汽车向智能控制的方向发展。同时，随着工作性能的不断改善，自动化程度的不断提高，发动机电控系统复杂程度日趋提高，使故障率增加、故障诊断难度提高，给汽车维修工作带来越来越多的困难，对汽车维修技术人员的技

9、术要求也越来越高。为了及时发现故障，并采取相应的措施尽量减小其对汽车性能的影响，各国都纷纷投入大量的人力和物力资源对汽车故障诊断进行研究和开发。发动机故障诊断技术是伴随着发动机技术不断进步而逐步完善的过程。发动机是一种复杂的机电一体化设备，其故障诊断大体上可以分为电器故障诊断和机械故障诊断两大类。常见的故障诊断方法有：（1）经验诊断法传统的发动机故障诊断技术是建立在人工经验诊断的基础上，是诊断人员凭丰富的实践经验和一定的理论知识，在汽车不解体或局部解体的情况下，借助简单工具，用眼看、耳听、手摸和鼻闻等手段，边检查、边试验、边分析，进而对汽车技术状况做出判断的一种方法。（2）电脑诊断法汽车电脑故

10、障诊断仪(俗称解码仪)能把汽车电脑(ECU)储存的各种信息提取出来，然后进行整理、比较和翻译，以清晰的文字、曲线或图表方式显示出来，人们可以根据这些传送出来的信息，判断故障的类型和发生的部位。它还可以向汽车电脑发出指令，进行静态和动态的诊断。这是一种最有发展前景和使用最多的诊断方法。（3）智能故障诊断方法随着现代检测技术、信号分析技术、计算机技术和人工智能技术等各种新技术的快速发展，它们在故障诊断领域的应用也越来越多，这些技术的应用将使发动机的故障诊断变得更加简单、快速和准确。1.3电喷发动机故障诊断技术的现状和发展趋势1.3.1国外汽车故障诊断技术的发展随着计算机的普及以及人工智能技术的发展

11、，特别是专家系统、人工神经网络在故障诊断领域的进一步应用，为智能汽车故障诊断的发展奠定了基础。神经网络技术在近几年的发展非常迅速，出现了BP神经网络、RBF神经网络和SOM神经网络等多种网络模型。为提高神经网络训练样本质量，又相继出现了神经网训练样本前期处理方法，如主成分分析和粗糙集理论等方法。本文主要介绍将RBF神经网络（即径向基函数神经网络）应用于汽车故障诊断当中，可以大大简化汽车故障诊断仪的数据流功能，使诊断仪的诊断更加准确和具体。这些智能化的故障诊断技术理论的不断完善极大地促进了汽车故障诊断系统研究水平的提高。1.3.2国内发动机故障诊断技术的发展我国虽然与国际先进水平仍有一定差距，但

12、在发动机诊断技术的研究成果上有了长足的发展和进步。郑文钟、何勇等人利用模糊综合评判的原理和方法对电喷发动机的故障进行分析和诊断，并在 Windows环境下，将模糊诊断技术与计算机多媒体技术相结合，研制出电喷发动机故障诊断专家系统。杨金玉以VisualC+6.0和MataLab7.0作为开发平台，将传统的专家系统与BP神经网络的优点有机的结合在一起，设计了故障诊断神经网络专家系统。刘杰研究了多传感器信息融合神经网络发动机故障诊断方法，以电喷发动机怠速不稳为例，选择了相关传感器、执行器波形特征参数为原始特征向量，并研究了应用主成分分析方法进行特征提取的方法以及信息融合中心的设计。1.4研究内容和思

13、路 (1)本文首先提出了发动机故障诊断的意义和主要技术，并简要介绍了国内外汽车故障诊断技术的发展状况及现状。(2)对神经网络原理的基本知识作了比较详细的介绍，并学习了径向基函数神经网络的典型算法：中心调整算法和权值调整算法。(3)简要介绍了电喷发动机的基本组成及工作原理，分析了不同运行工况下发动机的工作状况，和几种典型的故障征兆以及相应的技术状态特征的描述参数。(4)在MATLAB环境下，用VAG1552汽车故障诊断仪收集故障数据，通过编制的RBF网络模型，对捷达ATK型电喷发动机怠速不稳的3种故障原因进行故障模式识别和诊断。最后得出RBF神经网络诊断模型对电喷发动机故障模式识别有很高的准确率

14、的结论。2. RBF神经网络2.1 RBF神经网络的结构及其特点现代汽车的微机控制系统都具有故障自诊断功能，利用电脑本身监测系统的工作状况和储存数据，再通过一定的操作程式把汽车电脑的故障码提取出来，从而进行故障诊断。此外还具有自动显示动态数据的功能，即数据流功能。人工神经网络有较强的自组织、自学习能力，以及出色的非线性映射能力。而发动机故障征兆和对应的故障原因之间就是非线性映射关系，如果将RBF神经网络训练好，应用于汽车故障诊断当中，就可以快速、准确地诊断出相应的故障，大大简化数据流功能，这将给电控汽车的故障诊断带来很大帮助，因此本文提出了将RBF神经网络（即径向基函数神经网络）应用于汽车故障

15、诊断当中。RBF网络是目前应用较为广泛的一种网络，是由J.Moody和C.Darken于20世纪80年代末提出的一种神经网络。RBF神经网络的结构如图2-1所示，是由排列成层的神经元组成。图 2-1 径向基函数神经网络拓扑结构接受输入信号的单元层称为输入层，输出信号的单元层称为输出层，不直接与输入输出发生联系的单元层称为隐层。如果输入网络一组数据，在网络输入层的每个单元都接收到输入模式的一部分，然后输入层将输入通过连接传递给隐层。隐层在接受到整个输入模式后，由于传递函数的作用，隐层单元的输出就与输入层大不相同了。隐层单元往输出层的信号传递要经过权重的连接，输出单元从隐层单元接收变化后的全部模式

16、，形成输出层单元有的激发、有的抑制，从而产生相应的输出信号。由图知RBF神经网络只有一个隐层，输出单元是线性求和单元，所以输出是各隐单元输出的加权和。隐单元的作用函数用径向基函数，输入到隐单元间的权值固定为1，只有隐单元到输出单元间的权值可以调整。2.2径向基函数网络的算法网络模型结构确定之后，学习和训练对所有的神经网络来说都是最基本的。网络不是通过修改处理单元本身来完成训练过程，而是靠改变网络中连接的权重来学习的。训练神经网络的目的是使得能用一组输入矢量产生一组所需要的输出矢量。训练是应用一系列输入矢量，通过预先确定的算法调整网络的权值来实现的。RBF网络的学习可用聚类法确定函数中心，隐单元

17、到输出的权可直接计算，避免了学习中的反复迭代过程，故学习速度较快，且结果准确。RBF网络最常用的基函数是高斯函数:式中i=1，2，m，m为隐节点数；为隐层单元i的中心(第i个单元基函数的中心)；为归一化参数(基函数宽度)，该参数可自由选择，也可通过计算获得。其学习算法可分为两个阶段: 即调整隐层单元RBF的中心(中心调整算法)和调整输出层与隐层之间的连接权值(权值调整算法) 。(l)中心调整算法(K均值聚类法)这是一种无监督学习方法，此方法不仅简单，而且性能良好，具体过程如下:1中心初始化给定隐层单元的初始中心为(0)，i=l，2，k（通常取前k个输入向量为初始中心)。2输入样本向量3计算距离

18、 i=1，2，k4求出最小距离 式中r表示输入向量x的最佳匹配中心的下标值。5调整中心 i=r式中 为学习因子，01。6判别如果 i=1，2，k则终止计算；否则转2.（2）权值调整算法（正交最小二乘算法）正交最小二乘算法(OLS)是一种回归算法，它利用正交优选方法找出神经网络的最佳隐含单元数目，从而确定最小的网络结构，同时算出具体权值。具体过程如下:设给定N组输入输出样本() p=1，2，N定义误差函数： 1.权值初始化（0）2.计算隐层单元的输出 3.计算输出单元的输出 4.计算误差 5.调整权值 式中为学习因子，取，则，式中为常数，02。6.判别如果，则终止计算；否则转2。3. 电喷发动机

19、的故障诊断3.1电喷发动机的基本组成及原理电喷发动机已经成为当今汽车的主流动力，由于其电控技术是目前汽车降低排放污染、提高燃料经济性和动力性的有效手段，而被越来越广泛的应用。本文以捷达两阀电喷ATK型发动机为例对电子控制燃油喷射系统进行简要的介绍。该电喷系统大致可分为进气系统、燃油供给系统、点火系统和控制系统4个部分。其中进气系统为发动机可燃混合气的形成提供必需的氧气，燃油供给系统将燃油进行过滤后并使其具有一定的压力，点火系统计算出点火时刻和通电时间，最后电子控制系统根据各传感器信号计算出进气量（系统中的氧传感器随时监测混合气，使空燃比始终保持=1）、最佳喷油持续时间，精确的控制喷油量和点火时

20、刻。3.2电喷发动机的运行工况电喷发动机根据汽车使用条件的变化，有不同的运行工况，可分为起动、怠速、中小负荷、加速、全负荷和减速等。利用安装在不同位置上的各种传感器，可以检测出发动机的工作状态，电控发动机的ECU能根据各传感器测得的工作状态参数，来决定发动机在不同工况下的最优喷油量和点火提前角，以实现不同运行工况过程中对发动机的性能要求。3.3电喷发动机故障征兆及技术状态特征3.3.1典型故障征兆汽车出现故障后，首先要准确描述出故障现象即故障征兆，然后通过检测试验和推理分析等诊断方法进一步缩小故障的范围，从而确定出故障发生的原因和出现故障的部件。目前采用的方法只是用语言或模糊方式来直接描述故障

21、征兆与故障原因或故障征兆与故障部件的关系，以故障征兆状态特征为基础进行故障诊断，先确定出变异参数，然后再确定故障的具体原因和部件。电喷发动机故障诊断的核心是对其电控系统的故障诊断。电喷发动机电子控制系统都是由传感器、电子控制器ECU和执行器3部分组成。电子控制器ECU是控制系统的核心部件，它接收各种传感器输出的发动机工况信号，根据内部储存的发动机各种运行工况下的最佳点火时间和喷油量等数据，通过调整执行器来进行最佳控制，使发动机保持最佳运行状态。由于电控发动机品种繁多且系统结构复杂，因此故障征兆也各种各样。常见的典型故障征兆及其征兆特点有：表3-1 典型故障征兆及征兆特点序号故障征兆征兆特点1起

22、动困难起动机转动，但长时间驱动也不着火；能启动，但立即熄火2运行速度不稳在节气门固定的条件下，发动机的输出功率变化；车速上下波动3动力不足或加速迟缓发动机输出的动力比预计的少；踩下加速踏板时，车速不增加或增加较少4爆燃或者敲缸加速时有明显的尖锐金属敲击声；随着节气门开度的增加，金属敲击声增加5加速迟缓踩下加速踏板，在所有条件下都没有加速的反应；超车时现象更为严重，有时甚至熄火6缺火根据发动机转速的不同，有相对稳定的振动，而且随着负荷的增加更加明显7怠速不稳怠速时发动机转速不稳定变化；怠速时发动机抖动，严重时发动机可能熄火8回火可燃混合器在进排气管中点火引起放炮 要能准确全面地反应出故障原因，要

23、考虑各种影响因素，因此故障征兆描述应该包括造成故障的诸多因素和条件，同一种工况出现的故障征兆要比正常状态特征的描述参数多。状态特征的选择是要解决一种运行工况或者不同故障征兆之间能否相互区别的问题，状态特征的提取，不仅是为了描述更精炼简洁，还具有确定故障原因的目的。其典型故障征兆的技术状态特征的描述参数如下：表3-2故障征兆及其技术状态特征的描述参数序号故障征兆技术状态特征的描述参数1起动困难节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油补偿量、油泵开关、启动开关2运行速度不稳节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火

24、提前角、喷油脉冲、喷油补偿量3动力不足或加速迟缓节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油补偿量、油泵开关4爆燃或者敲缸节气门开度、空气流量、冷却液温度、进气温度、发动机转速、爆燃控制5加速迟缓节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油补偿量、油泵开关、启动开关、爆燃控制6缺火节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油补偿量、氧传感器电压7怠速不稳节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油

25、补偿量、A/C开关、EGR阀开关、活性碳罐开关、氧传感器电压8回火节气门开度、空气流量、冷却液温度、进气温度、发动机转速、蓄电池电压、点火提前角、喷油脉冲、喷油补偿量、油泵开关、爆燃控制3.3.2故障征兆技术状态特征描述本文以ATK电喷发动机怠速不稳为例，对产生怠速不稳故障征兆的3种故障原因进行具体分析。其所需测试的技术状态特征的描述参数有，发动机转速、冷却液温度、进气温度、喷油时间、进气压力、调节值、点火提前角、节气门开度、发动机负荷变动率等。(1) 发动机转速发动机转速为发动机曲轴每分钟的回转数。发动机转速的高低，关系到单位时间内作功次数的多少或发动机有效功率的大小。发动机在怠速时候转速一

26、般为700-1100r/min，正常运行时候可以达到3000-5000r/min。发动机转速越高，单位时间内做功越多，所以功率越大，但是转速越高，使整个循环速度加快，燃油没有足够时间完全燃烧就排出去了。所以油耗会呈数倍增加。所以不是转速越高越好。(2)冷却液冷却液主要功能为保护发动机正常良好运行，在发动机水箱内循环，起到防冻、防沸、防锈、防腐蚀等效果。发动机运转时燃烧室内的混合汽燃烧后会产生高温的压缩气体（约为8002000），运动部件受热膨胀会破坏正常的配合间隙，影响发动机其他部件的损坏；而如果发动机温度过低，还会造成汽缸进气温度过低、燃烧不正常、功率下降、油耗增加等现象。因此，冷却液温度一

27、般在80100，可以起到冷却发动机部件、防止冷却液凝固、防止冷却系统部件生锈、防止过热的作用。(3) 进气温度进气温度过高会使可燃混合气温度过高，造成不完全燃烧。影响发动机工作能力。(4) 点火提前角从点火时刻起到活塞到达压缩上止点，这段时间内曲轴转过的角度，就是点火提前角。影响点火提前角最大的因素是转速。混合气从点燃、燃烧到烧完有一个时间过程，随着转速的上升，转过同样角度的时间变短，只有更大的提前角才能得到相应的提前时间。理论上最小点火提前角为0度，但为了防止在进气行程点燃进气，往往设为5度以上，这也是启动转速所需要的角度。最大点火提前角也不能太大，一般不能超过60度，否则振动和温升问题将凸

28、显，效率也将下降。实际上结构的转速是受限的。点火过早，会造成爆震，活塞上行受阻，效率降低，磨损加剧。点火过迟，气体做功效率低，排气声大。不论点火过早或过迟，都会影响转速的提升。(5)节气门开度指发动机节气门的开启角度，汽车发动机节气门由驾驶员通过加速踏板来操纵，以改变发动机的进气量，从而可以控制发动机的运转。(6)空燃比发动机工作时，燃料必须和吸进的空气成适当的比例，才能形成可以燃烧的混合气。混合气中空气与燃料之间的质量的比例，就是空燃比。ECU计算机控制燃油喷射，空气流量是由空气流量传感器测定，进气压力传感器吸入发动机的空气流量，为空气流量计测出的进气量做修正，从而控制汽油喷射发动机在各种运

29、转工况下都能获得最佳浓度的混合气。从理论上说，每克燃料完全燃烧所需的最少的空气克数，叫做理论空燃比。空燃比大于理论值的混合气叫做稀混合气，气多油少，燃烧完全，油耗低，污染小，但功率较小。空燃比小于理论值的混合气叫做浓混合气，气少油多，功率较大，但燃烧不完全，油耗高，污染大。因此，为了降低油耗和减少污染，应当尽量使用空燃比大的稀混合气，只在需要时才提供浓混合气。(7)发动机负荷变动率发动机负荷变动率是发动机在某一转速下，当时发动机发出的功率与同一转速下所可能发出的最大功率之比。发动机负荷大了，会减少发动机寿命，严重的可导致发动机停止运转或者部件损坏。本章描述了电喷发动机的典型故障征兆及状态特征，

30、并提出了在各种运行工况下的技术状态描述的总体参数，为后面利用神经网络的模式识别方法进行故障诊断提供了基础。4. 诊断实例4.1故障征兆分析和数据获取神经网络的训练样本是进行故障模式识别的基础，由于同样的故障模式其产生的故障原因可能不同，因此，利用神经网络进行故障模式识别时，通过对不同故障原因的神经网络样本进行训练，才能达到识别故障的目的。RBF网络故障诊断流程如图4-1。 4.1.1怠速不稳原因分析故障模式识别的目的就是通过确认故障模式来判别故障原因或部位。本文以故障征兆怠速不稳为例，通过对产生怠速不稳故障征兆的3种故障原因的分析，结合神经网络方法，达到进行故障模式识别的目的。怠速工况是指，在

31、发动机运转时完全放松油门踏板，指发动机空转时的一种工作状况。发动机怠速运转时，控制系统以闭环的控制方式工作。ECU检测发动机的转速、温度和负荷状态，来控制电机以稳定怠速转速。造成怠速故障的主要原因有怠速电机不工作、进气系统漏气、某缸喷油嘴堵等。(l)怠速电机不工作 电喷发动机的怠速控制采用闭环方式，怠速控制阀的机械故障(如怠速阀卡滞，封闭不严漏气)和电器故障，都将造成怠速不稳定的现象。(2)进气系统漏气 进气系统的漏气量将随发动机转速的变化而改变。由于怠速控制条件的改变，使发动机的怠速受漏气量的影响而导致转速的波动现象，因而造成发动机怠速不稳。(3)某缸喷油嘴堵 对于多点喷射的电喷发动机来讲，

32、每个气缸都分别对应装有一个喷油器。由于喷油器的堵塞，将造成实际喷油量的减少和各缸供油量不均匀。因此，每个缸的实际功率也不同程度的减少，并造成发动机怠速不稳定的现象。4.1.2实验数据的获取本文采用故障诊断仪VAG1552，对捷达轿车ATK型（压力型）发动机进行样本采集。在采集数据前，要进行相应的系统检测，应保证蓄电池电压正常，发动机和变速器的搭铁线正常，然后按照正确的步骤连接诊断仪和汽车。在无故障码的条件下，设置发动机的工作状态分别为：怠速正常工作；怠速电机不工作；进气系统漏气；某缸喷油嘴堵。采集数据如下：4-1怠速正常工作样本数发动机转速/r. min冷却液温度/进气温度/喷油时间/ms进气

33、压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%12345678860870865870860865870860949495959594949542414142414242422.02.22.42.23.02.52.83.033.134.633.634.033.534.034.235.05.05.5515.86.24.96.07.33.53.33.43.23.03.13.03.4-2.7-2.9-2.6-2.7-2.6-2.8-2.1-2.419.119.818.220.019.418.819.819.24-2怠速电机不工作样本数发动机转速/r. min冷却液温度/进气温

34、度/喷油时间/ms进气压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%1234567821422146215421832170216221502160949595959494949541424242414142422222222222.422.622.422.423.023.022.522.837.537.637.838.23837.837.538.11001001001001001001001000000000012.612.913.617.316.414.613.314.44-3进气系统漏气样本数发动机转速/ r. min冷却液温度/进气温度/喷油时间/ms进气压力/

35、k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%12345678900860930960102099010901120949495959494949540404140424041422.23.25.1323.233.237.739.741.839.735.738.43737.84.52.25.27.814.31116.219.13.53.13.94.25.24.85.66-1.990-2.7-3.52517.1427.729.221.917.622.721.72523.920.722.74-4某缸喷油嘴堵样本数发动机转速/ r. min冷却液温度/进气温度/喷油时间/ms进气压

36、力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%123456788268308148368548428328609494959495949495424141424142424222.82.42.22.32.52.8333.134.633.633.333.53434.2352.83.22.246.24.93.67.32.32.42.32.52.42.32.32.40000000018.418.218.218.619.418.81919.24.2神经网络分析4.2.1网络模型的建立对以上数据进行归一化处理，应用MATLAB语言对RBF网络进行编程，编程详见附录。用上述故障样本对

37、网络进行训练，设计怠速正常工作状态的样本输入网络后输出为1000，怠速电机不工作样本输出为0100，进气系统漏气样本输出为0010，某缸喷油嘴堵样本输出为0001。训练后网络输出图如下：4.2.2网络模型的验证利用神经网络已经训练好的权值，将四组待识别故障的数据流数据进行归一化处理，输入神经网络并运行，验证网络故障诊断的准确性。4-5第一组待识别故障的数据流数据样本数发动机转速/r. min冷却液温度/进气温度/喷油时间/ms进气压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%123456788608708658708608658708609494959595949495

38、424141424142424222.22.42.232.52.8333.134.633.634.033.534.034.235.055.5515.86.24.967.33.53.33.43.233.133.4-2.7-2.9-2.6-2.7-2.6-2.8-2.1-2.419.119.818.22019.418.819.819.24-6第二组待识别故障的数据流数据样本数发动机转速/r. min冷却液温度/进气温度/喷油时间/ms进气压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%1234567821552140215221792160216721582160969793

39、979695969443414347434642482222222222.822.522.9232323.722.622.937.137.238.2383837.837.538.71001001001001001001001000000000013.213.115.916.714.614.615.213.94-7第三组待识别故障的数据流数据样本数发动机转速/ r. min冷却液温度/进气温度/喷油时间/ms进气压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%1234567891087094097010101020109011109594959496939495434141

40、43424042422.73.15.23.22.13.633.137.539.242.839.235.639.13737.84.32.85.67.815.11216.919.53.93.24.14.25.84.15.76.6-1.990-2.9-3.12518.0228.129.720.117.122.222.324.823.921.322.64-8第四组待识别故障的数据流数据样本数发动机转速/ r. min冷却液温度/进气温度/喷油时间/ms进气压力/k Pa点火提前角/节气门开度/%调节值/%发动机负荷变动率/%123456788388358208398508428398629794959

41、49394949543424442434345422.32.82.52.12.52.82.9333.23433.933.533.934.834.235.233.22.84.26.553.87.12.52.132.52.22.62.12.20000000018.918.218.118.819.118.719.219.3验证后网络输出图如下：由图可知第一组待测样本经网络验证输出为1000，工作状态为怠速正常工作；第二组待测样本输出为0100，工作状态为怠速电机不工作；第三组待测样本输出为0010，工作状态为进气系统漏气；第四组待测样本输出为0001，工作状态为某缸喷油嘴堵状态。对比网络输出跟目标向

42、量几乎相等可知网络能有效学习，从而可知RBF神经网络可以很好地诊断出相应的故障。5结论发动机故障诊断技术的研究，对改善汽车的良好性能有着重要作用，尤其是神经网络的应用，使故障诊断技术趋于智能化方向发展。本文在MATLAB语言环境下对RBF网络进行编程，对捷达ATK型电喷发动机怠速不稳的3种故障原因进行故障模式识别和诊断。实验是在解码仪不出现故障码的前提下进行的，目的是要简化当前汽车故障诊断仪的数据流功能。从实验结果可以看出，RBF神经网络进行故障诊断的结果是很准确的，只要网络一旦训练好，就可以快速、准确地诊断出相应的故障，大大简化数据流功能，具有远大的前景。对于本文，还有进一步研究的建议：(1) 本文以电喷发动机怠速不稳故障为例，在 MATLAB 环境下进行了仿真研究。但引起怠速不稳还有很多其它的原因，文章还可以作更全面地分析。(2) 此外，还可将其它故障诊断方法和神经网络方法进行结合研究。如可以把基于特征层的多传感器信息融合技术与神经网络技