原文传递
基于人工神经网络的电控发动机故障诊断研究
| 论文题名： | 基于人工神经网络的电控发动机故障诊断研究 |
| 关键词： | 汽车电控发动机;故障诊断;神经网络;数据采集 |
| 摘要： | 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。 |
| 作者： | 王书提 |
| 专业： | 载运工具运用工程 |
| 导师： | 巴寅亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 新疆农业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
