汽车变速箱是汽车的关键部件,它的性能好坏直接影响到汽车性能。如果汽车变速箱质量不过关,小则噪音大,运行不平稳:大则出现故障,引发交通事故,甚至致人死亡。因此迫切需要开发一套变速箱出厂质量检验及故障诊断系统。这套系统不仅要对出厂的变速箱质量进行检验,更要对变速箱进行故障诊断,辨别故障类型并找出缘由,从而指导维修并为变速箱的改进提供依据。 本课题是上海汽车协会及上海汽车齿轮总厂共同资助的项目《SAGW汽车变速箱的故障诊断仪研制》。它以变速箱故障原理分析、数字信号处理为基础,运用人工智能方法,根据故障特征参量对典型故障模式进行识别。 本文对人工智能方法进行了深入的研究,研究了粗糙集理论及基于粗糙集理论的决策系统约减方法,构建了最优决策系统,简化了诊断结构,提高了诊断效率。在最优决策系统基础上,研究了神经网络和模糊系统的故障诊断方法。研究过程中发现模糊系统缺乏自学习能力,隶属度函数和模糊规则的选取带有一定的主观性且依赖于专家;神经网络所获得的输入/输出关系无法用容易被人接受的方式表示出来,且无法应用专家的知识积累,难以保证诊断精度。针对上述缺点,通过对神经网络和模糊系统的结合方式的研究,提出了一种基于模糊神经网络的变速箱故障诊断方法,并将其应用于变速箱的故障诊断。实验结果表明,与常用的神经网络和摸糊系统诊断方法相比,该方法能够弥补模糊和神经网络分别单独应用时所存在的不足,具有更高的诊断准确率。在旋转机械故障诊断领域具有较好的应用前景。 实际运用方面,开发了汽车变速箱故障诊断系统。该系统综合运用了分布式数据库及局域网等知识,实现了数据存储共享及远程访问。在变速箱生产组装流水线上进行的大量诊断测试实验表明,该系统方便、性能稳定、精度高,具有较高的推广应用性。