基于神经网络的发动机故障诊断分析
[摘要] 发动机是汽车的动力来源，因此发动机故障诊断技术的研究，对改善汽车的良好性能和确保汽车的运行安全有着重要作用。
本文首先分析了国内外汽车故障诊断技术的发展及现状，介绍并分析一些故障诊断的主要理论和方法。
通过对发动机故障征兆及技术状态特征的分析，确定发动机的工况和故障征兆的主要影响因素，并利用VAG1552汽车故障诊断仪收集故障样本集，通过RBF网络模型对大量样本进行训练，仿真实验表明诊断模型对发动机故障模式识别有很高的准确率，具有很高的实际应用价值。
[关键词] 发动机故障诊断故障征兆 RBF神经网络
The Analysis of the Engine Fault Diagnosis Based on Neural Network
[Abstract] The engine is the power source of the car, so the research on engine fault diagnosis technology has a good role for improving the performance of the car and ensuring the safe operation of the car. First, this paper analyzes the development and current situation of domestic and foreign automotive fault diagnosis technology and then introduces and analyzes a number of main theories and methods of fault diagnosis. Then, through the analysis of the technical state of the engine failure symptoms and characteristics, it determines the main factors of the engine operating conditions and fault symptoms. And using the VAG1552 automotive fault diagnostic the paper collects the data of fault sample, and through training the samples with RBF neural network, the simulation results shows that the diagnosis model has high accuracy for pattern recognition of engine fault and has a high practical value.
[Key Words] the Engine Fault Diagnosis Failure Symptoms RBF Neural Network
目录
1 引言 (1)
1.1研究背景 (1)
1.2发动机故障诊断的意义和诊断技术 (1)
1.3电喷发动机故障诊断技术的现状和发展趋势 (2)
1.3.1国外汽车故障诊断技术的发展 (2)
1.3.2国内电喷发动机故障诊断技术的发展 (3)
1.4研究内容和思路 (3)
2 RBF神经网络原理 (4)
2.1 RBF神经网络的结构及其特点 (4)
2.2径向基函数网络的算法 (5)
3电喷发动机故障诊断 (8)
3.1电喷发动机组成及原理 (8)
3.2电喷发动机运行工况 (8)
3.3电喷发动机故障征兆及技术状态特征 (8)
3.3.1典型故障征兆 (8)
3.3.2故障征兆技术特征描述 (10)
4诊断实例 (13)
4.1故障征兆分析和数据获取 (13)
4.1.1怠速不稳原因分析 (13)
4.1.2实验数据的获取 (14)
4.2神经网络分析 (16)
4.2.1网络模型的建立 (16)
4.2.2网络模型的验证 (16)
5结论 (18)
[参考文献] (19)
[致谢语] (20)
1．引言
1.1研究背景
随着社会经济的快速发展和人们消费理念的逐渐更新，汽车已成为现代社会中不可缺少的一种重要交通工具。
然而，当我们在尽情享受现代汽车工业发展给我们生活带来种种便利的同时，我们也无法回避这么一个现实，那就是汽车随着行驶里程的增加和使用时间的延续，其技术状况将不断恶化。
因此，我们不仅要不断研制性能优良的汽车，也要借助维护和修理水平的提高来恢复其技术状况。
汽车故障诊断技术起始于60年代的西方发达国家，随着汽车结构的日益复杂，必然要求有相应的诊断手段来满足其维护的需求，因此，汽车诊断技术在过去的几十年中取得了迅速的发展。
20世纪60年代出现了车外诊断设备，70年代出现了车载诊断系统，80年代末诊断技术向信息化和智能化方向不断前进，专家系统开始应用于汽车故障诊断[1]。
90年代末，具有诊断复杂故障能力的专家系统和汽车自身诊断功能密切相连，构成了新的车外诊断系统。
这些车外诊断系统采用了微电子技术、计算机技术、先进的传感器技术并结合人工智能技术，将汽车自身的诊断结果，汽车的运行状态参数输出到车外诊断系统中进而综合分析做出相应的判断和处理。
1.2发动机故障诊断的意义和诊断技术
燃油喷射电子控制发动机具有可以提高输出功率、改善动力性能、降低油耗、改善驾驶性能等许多传统发动机不可比拟的优点，随着汽车工业的快速发展，电喷发动机汽车以极大的速度发展起来，取代了传统的化油器式发动机汽车。
汽车电子控制系统的广泛应用，提高了汽车的安全性、动力性、经济性和排放性能，使汽车向智能控制的方向发展。
同时，随着工作性能的不断改善，自动化程度的不断提高，发动机电控系统复杂程度日趋提高，使故障率增加、故障诊断难度提高，给汽车维修工作带来越来越多的困难，对汽车维修技术人员的技术要求也越来越高。
为了及时发现故障，并采取相应的措施尽量减小其对汽车性能的影响，各国都纷纷投入大量的人力和物力资源对汽车故障诊断进行研究和开
发。
发动机故障诊断技术是伴随着发动机技术不断进步而逐步完善的过程。
发动机是一种复杂的机电一体化设备，其故障诊断大体上可以分为电器故障诊断和机械故障诊断两大类。
常见的故障诊断方法有：
（1）经验诊断法
传统的发动机故障诊断技术是建立在人工经验诊断的基础上，是诊断人员凭丰富的实践经验和一定的理论知识，在汽车不解体或局部解体的情况下，借助简单工具，用眼看、耳听、手摸和鼻闻等手段，边检查、边试验、边分析，进而对汽车技术状况做出判断的一种方法。
（2）电脑诊断法
汽车电脑故障诊断仪(俗称解码仪)能把汽车电脑(ECU)储存的各种信息提取出来，然后进行整理、比较和翻译，以清晰的文字、曲线或图表方式显示出来，人们可以根据这些传送出来的信息，判断故障的类型和发生的部位。
它还可以向汽车电脑发出指令，进行静态和动态的诊断。
这是一种最有发展前景和使用最多的诊断方法[2]。
（3）智能故障诊断方法[]3
随着现代检测技术、信号分析技术、计算机技术和人工智能技术等各种新技术的快速发展，它们在故障诊断领域的应用也越来越多，这些技术的应用将使发动机的故障诊断变得更加简单、快速和准确。
1.3电喷发动机故障诊断技术的现状和发展趋势
1.3.1国外汽车故障诊断技术的发展
随着计算机的普及以及人工智能技术的发展，特别是专家系统、人工神经网络在故障诊断领域的进一步应用，为智能汽车故障诊断的发展奠定了基础[]4。
神经网络技术在近几年的发展非常迅速，出现了BP神经网络、RBF神经网络和SOM 神经网络等多种网络模型。
为提高神经网络训练样本质量，又相继出现了神经网
56。
本文主要介绍训练样本前期处理方法，如主成分分析和粗糙集理论等方法[][]
将RBF神经网络（即径向基函数神经网络）应用于汽车故障诊断当中，可以大大。