详情

原文传递人工智能在汽车发动机中的应用研究

论文题名：	人工智能在汽车发动机中的应用研究
关键词：	汽车发动机;人工智能;故障诊断;BP网络;专家系统
摘要：	人工智能作为二十一世纪三大尖端技术之一，研究盛况空前。人工智能模仿人的思维方式处理工程中的技术问题，把人从繁重的脑力劳动中解放出来，从事更多的创造性的工作。国民经济的支柱产业汽车工业的发展受到了世界各国的高度重视，市场竞争异常激烈。本文从实用性出发，采用神经网络理论、遗传算法、模糊技术、专家系统和知识工程等人工智能技术，研究了汽车的最关键部件发动机故障诊断中的一些问题。研究的主要内容包括以下几部分： (1)论文首先系统综述了汽车工业的发展现状和发展方向，介绍了人工智能技术的研究状况和发展趋势，分析了汽车发动机故障诊断技术的研究现状及存在的问题，提出了人工智能应用于发动机故障诊断的方法，为汽车发动机故障诊断技术的发展提供了一个新的途径。 (2)往复机械汽车发动机故障诊断是个难题，本文提出应用改进的BP网络进行故障诊断的方法。基于机体上的单个传感器测得的振动信号，采用小波包技术对振动信号进行三层分解，提取8个频带的相对能量值作为特征向量，首次提出将速度作为特征向量的方法，这样9个值作为发动机神经网络故障诊断的特征向量，可以诊断发动机不同转速时的故障；另一个有别于以往研究的方面是神经网络输出采用一个神经元，对故障进行编码，优点不仅可以诊断出以往的故障，增加新故障，也不用改变神经网络结构，经重新学习后，就可以实现故障诊断，对复合故障也可以编码采用同样的方法识别。 (3)成功应用于故障诊断等其它方面的神经网络技术，神经网络的设计是个难题。本文提出采用改进的遗传算法与神经网络相结合的方法对神经网络进行设计，同时优化网络结构和权值。首先应用遗传算法确定网络结构和初步权值，然后再用神经网络学习方法确定最终权值。遗传算法的适应度函数采用神经网络训练误差的倒数，个体编码采用混合编码，最优个体直接遗传，其它个体采用轮盘方法遗传。应用此方法对发动机故障诊断的神经网络进行优化，简化了网络结构。 (4)在汽车故障诊断中，有许多量具有不确定性，具有模糊性。本文探讨了模糊技术和神经网络相结合方法对发动机进行故障诊断，实现了故障原因的模糊识别。首先根据测得的特征向量确定故障原因与特征向量之间的模糊关系矩阵，应用最大值最小值贴近度的方法，初步确定故障原因的可能范围，然后应用训练好的神经网络进行精确诊断。 (5)汽车工业发展一百多年间，积累了丰富的经验和知识，人们一直在思索研究发挥它们作用的方法。在汽车故障诊断方面，大量的用语言描述的知识处理利用是个难题。本文研究了利用处理文字知识的专家系统技术进行发动机故障诊断的方法，与以往研究不同的是，充分发挥面向对象设计语言的优势，对于故障诊断的知识采用不同的3种表示方式，推理也采用直观的“故障树”、判断语句法和数据库检索等方法，取得了很好的效果。 (6)人工智能的另一个重要的分支——知识工程，它是以知识为研究对象，研究知识获得、知识表示、知识利用的学科，是专家系统等人工智能技术的基础。本文基于知识工程的思想和CATIA软件的知识工程模块，研究了汽车膜片弹簧的参数化设计方法，为在汽车设计过程中充分利用企业知识和书本知识，简化人的劳动、提高设计速度、提高设计质量提供了途径。同时还研究了将遗传算法应用于气门弹簧多类型变量、多约束机械优化设计的方法；研究了人工神经网络汽车辅助燃油经济性计算的方法；基于本文提出的方法研究开发了汽车发动机智能故障诊断系统。 (7)对全文进行了总结，并对今后的研究工作进行了展望。
作者：	佟刚
专业：	机械设计及理论
导师：	张国忠
授予学位：	博士
授予学位单位：	东北大学
学位年度：	2006
正文语种：	中文