论文部分内容阅读
汽车尾气排放物不仅污染大气,而且影响人体健康,随着人类生活水平的提高,汽车的使用量逐年增加,从而使得汽车排放物的量增加,加重大气污染,因此,对汽车的有效性故障诊断是非常必要的。汽车从传统的机械式到机电一体化发展,电信技术在汽车方面的比重越来越高,由于发动机电控系统方面技术的提高,使得电控发动机结构更加复杂,无疑使得故障诊断难度性增大。在现代社会,虽然汽车维修人员的技术水平普遍提高,但当汽车维修人员发现尾气数据有问题时,往往不能指出故障所在,这就延长了汽车维修时间,间接的使得汽车排放量增多。为了降低汽车对大气的污染,提出了基于神经网络的电控发动机故障诊断研究。神经网络能够模仿人类大脑功能对所采集的数据进行处理,神经网络的诊断模型种类比较多,本文采用其中的BP网络、Elman网络和SOM网络。在网络诊断前,先采集学习训练数据,本文以北京现代伊兰特汽车为研究对象,让发动机处于怠速状态下,并对发动机电控系统进行故障设置,运用汽车尾气分析仪和故障诊断仪等工具采集发动机故障数据,并对所采集数据进行归一化处理,然后进行故障诊断学习。(1)为了确保本次故障诊断的可靠性,所有训练方法的测试数据和验证数据都是一样的。运用BP网络的最快下降学习方法和LM方法进行故障诊断,最快下降学习方法的测试正确率是38%,LM方法的测试正确率是99%,可见,LM方法学习训练效果好,同时,对LM方法进行验证,其验证正确率是92%。运用Elman网络进行故障诊断,Elman网络的测试正确率和验证正确率分别是97%和83%,虽然Elman网络的训练结果比传统的BP方法要好,但是落后于BP网络的LM方法。(2)运用SOM网络和SPSS分别对电控发动机进行故障诊断,SOM网络的测试正确率和验证正确率分别是83%和81%。SPSS的测试正确率和验证正确率分别是68%和69%,可见,SOM网络要优越于SPSS。(3)最后,对比神经网络的BP网络、Elman网络、SOM网络及SPSS,可得,BP网络的LM方法是三种神经网络诊断模型中最佳的方法,同时,神经网络的诊断效果要远高于SPSS。总之,基于神经网络的电控发动机故障诊断研究具有深远的意义。