基于BAM神经网络的发动机控制系统故障诊断地研究.pdfVIP

论文编号：99014 基于BAM神经网络的发动机控制系统故障诊断的研究 李捷辉刘胜吉 (江苏理工大学汽车学院 镇江212013) 摘要：本文介绍神经网络用于发动机控制系统的故障诊断技术，分析了发动机故障诊断的方法，并 采用双向联想神经网络实现发动机控制系统故障的诊断。 U犯6哔 关键词：I发动机扭制系统故障诊断神经网络 Tf)172 一^、 l ‘ 3西牙) ／ 1、发动机控制系统故障诊断技术概述 随着科学技术的发展，人工智能技术进入故障诊断领域，形成了全新的故障诊断方法。由于传 统故障诊断方法是建立在系统的数学模型基础上，数学模型依赖于被诊断系统的结构，然而很多故 障往往会造成系统结构的变化，尤其在异常情况下，缺乏现场数据就更难以建立新的数学模型。发 动机控制系统是复杂系统的多故障源、多变量耦台的，要建立完整数学模型是十分困难的。而人工 神经网络的基本思想是：不完全依靠检测到的信号进行诊断．而是运用神经网络的综合运算、逻辑 推理、模式识别等进行判断，以此简化检测硬件电路。使诊断更加可靠。近年来，发动机控制系统 的微机化，提高了车辆的自动化程度，同时也增加了车辆的故障率。由于自动化程度较高的车辆其 采用的测量、监视和控制的传感器有几十种，有的多达数百种，所以现代发动机的故障诊断包含对 发动机专用传感器的故障诊断。并且采用神经网络技术诊断发动机控制系统故障的技术，也是容错 控制领域的一个重要研究方向。 发动机控制系统的故障一般分为“硬故障”和“软故障”两种。硬故障是指发动机控制系统突 然发生某部分的损坏或者完全停止工作，这种故障是比较容易识别的。软故障是指某些缓慢变化， 如控制系统参数变化或电位偏置、漂移等，这就比较难以解决，也是本文的研究重点。目前，对发 动机控制系统故障诊断的方法有： l l、特性参数跟踪 特性跟踪是一种直接对发动机控制系统的特性参数进行跟踪识别，例如发动机燃油喷射控制系 统。当发动机控制系统正常工作时，各个传感器具有特定的范围值。若发动机的控制系统出现故障 时也有一个固定的数值，当读取数值与所期望的特性值有某种偏差时，即可认为发动机控制系统有 故障。并显示故障码，同时将故障码送到ECU存入存储器。在许多情况下，由于发动机的监测系 统的复杂性和各个取样点的影响，检测发动机的状态需要非常完善的逻辑推理系统。 12、专家系统诊断 专家系统是通过发动机控制系统知识的表达和知识的获取，在计算机上根据控制系统相应的算 法和规律进行编程实现对发动机的诊断。若是完备性的知识表达方法，其功能是等价的，不过对同 一个问题，采用不同的表达方法，其求解的难易程度是不同的，若表达方法选择恰当，就会使问题 易于求解。因此，选用适当的表达方法对问题求解(即知识的获取)至关重要。这种方法的最大优 点是规则易于增删，但它对新故障点不能诊断。 1 3、数学模型分析技术 对发动机控制系统的故障诊断，采用数学模型分析方法的基本思想是将被监测系统的正常模型 与运行中的实际动态模型相比较，从控制系统输出的参数残差来判断发动机是否出现故障。 2、基于神经网络的发动机控制系统故障诊断方法。 神经网络用于发动机的故障诊断，主要是充分利用神经网络的容错性、抗干扰性、鲁棒性及大 规模并行处理能力、自学习能力等。它在模式识别、信号处理、故障诊断、图像处理等领域表现出 独有的优越性。神经网络所特有的信息检测和处理机理，与现行的故障诊断系统有两个根本不同方 面：首先表现在它无需预置发动机的一系列信息，而是由神经网络在发动机工作时，不断自学这些 参数，训练并获得修正。不仅减少了信息输入，而且提高了判断准确性．适应于汽油机、柴油机等 多种机型。其次能够在某个检测传感器或几个检测传感器故障时，综合其他参数判定发动机故障， 同时指出故障传感器。 2．1、改善数学模型分析技术。 由于数学模型分析技术的实现大多依赖于发动机控制系统的实时建模，使得这种技术难以在复 杂、时变非线性、信噪比低的系统中应用。而神经网络具有非线性映射、自学习能力、容错能力、