原文传递
基于神经网络的燃料电池发动机故障诊断系统设计
| 论文题名： | 基于神经网络的燃料电池发动机故障诊断系统设计 |
| 关键词： | 汽车发动机;燃料电池发动机;故障诊断;神经网络;BP学习算法 |
| 摘要： | 燃料电池发动机作为燃料电池汽车的重要组成部分之一，其性能及可靠性直接决定整车性能。由于发动机工作在封闭的空间内，而且工作环境较为恶劣，在运行过程中容易发生故障。深入研究燃料电池发动机运行特性，建立其故障诊断模型，对提高燃料电池汽车的可靠性具有重要意义。论文以此为背景，研究基于神经网络的燃料电池发动机故障诊断系统，主要研究内容如下： 在分析燃料电池发动机的系统结构、探讨影响其输出性能的主要因素的基础上。结合燃料电池发动机的工作原理及实验数据对发动机进行故障分析，将其分为燃料电池发动机性能型故障和系统型故障二大类，并将发动机故障按严重级别进行了分级，列举了各级典型故障及相应的处理措施。 由于燃料电池发动机具有非线性，非平稳性及不确定性等特点，无法用传统的解析模型故障诊断方法得出精确诊断结果。本文提出了一种基于神经网络的故障诊断方法，并探讨了各种改进型BP算法的优劣及适用情况。针对发动机的不同子系统建立BP网络故障诊断模型，获取初始的诊断知识运用于发动机运行过程中的故障诊断。 针对自主研发的燃料电池发动机系统，设计了燃料电池故障诊断专家系统软件，在对系统软件进行需求分析的基础上，对软件功能模块进行了划分，包括通讯接口模块、实时监测模块、故障诊断模块、神经网络自学习模块及数据库管理模块，实现了发动机运行状态的监测、实时及历史数据查询、报警显示、常见故障判断以及定位分析等功能，同时该系统还可离线诊断。 通过现场实验模拟故障对故障诊断模型及诊断软件进行了验证，诊断正确率较高，可见该软件可以准确地对发动机故障进行定位及给予维修指导意见，且其采用模块化设计方法，重用性较高，在需求发生变化时，程序修改难度较低。 |
| 作者： | 熊茜 |
| 专业： | 控制科学与工程 |
| 导师： | 陈启宏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
