基于人工神經網絡的電控發(fā)動機故障診斷研究.pdf

1、汽車尾氣排放物不僅污染大氣，而且影響人體健康，隨著人類生活水平的提高，汽車的使用量逐年增加，從而使得汽車排放物的量增加，加重大氣污染，因此，對汽車的有效性故障診斷是非常必要的。汽車從傳統(tǒng)的機械式到機電一體化發(fā)展，電信技術在汽車方面的比重越來越高，由于發(fā)動機電控系統(tǒng)方面技術的提高，使得電控發(fā)動機結構更加復雜，無疑使得故障診斷難度性增大。在現代社會，雖然汽車維修人員的技術水平普遍提高，但當汽車維修人員發(fā)現尾氣數據有問題時，往往不能指出故障所

2、在，這就延長了汽車維修時間，間接的使得汽車排放量增多。為了降低汽車對大氣的污染，提出了基于神經網絡的電控發(fā)動機故障診斷研究。
　　神經網絡能夠模仿人類大腦功能對所采集的數據進行處理，神經網絡的診斷模型種類比較多，本文采用其中的BP網絡、Elman網絡和SOM網絡。在網絡診斷前，先采集學習訓練數據，本文以北京現代伊蘭特汽車為研究對象，讓發(fā)動機處于怠速狀態(tài)下，并對發(fā)動機電控系統(tǒng)進行故障設置，運用汽車尾氣分析儀和故障診斷儀等工具采集發(fā)動

3、機故障數據，并對所采集數據進行歸一化處理，然后進行故障診斷學習。
　　(1)為了確保本次故障診斷的可靠性，所有訓練方法的測試數據和驗證數據都是一樣的。運用BP網絡的最快下降學習方法和LM方法進行故障診斷，最快下降學習方法的測試正確率是38％，LM方法的測試正確率是99％，可見，LM方法學習訓練效果好，同時，對LM方法進行驗證，其驗證正確率是92％。運用Elman網絡進行故障診斷，Elman網絡的測試正確率和驗證正確率分別是97％和

4、83％，雖然Elman網絡的訓練結果比傳統(tǒng)的BP方法要好，但是落后于BP網絡的LM方法。
　　(2)運用SOM網絡和SPSS分別對電控發(fā)動機進行故障診斷，SOM網絡的測試正確率和驗證正確率分別是83％和81％。SPSS的測試正確率和驗證正確率分別是68％和69％，可見，SOM網絡要優(yōu)越于SPSS。
　　(3)最后，對比神經網絡的BP網絡、Elman網絡、SOM網絡及SPSS，可得，BP網絡的LM方法是三種神經網絡診斷模型中最