《基于神经网络的汽车电控发动机故障诊断分析》
该文是故障诊断和汽车电控相关论文范文例文与神经网络方面毕业论文怎么写.
摘 要：近年来,随着电子控制技术的快速发展,传统的汽车行业也引进了电子控制技术,极大改善了传统汽车产品电动发动机存在的问题.电子控制技术在汽车中的应用使得汽车电控系统越来越复杂,汽车电控发动机发生故障时,故障诊断变得更加的复杂.人工智能技术的日趋成熟,为汽车电控发动机故障诊断提供了全新的诊断模式,通过搜集汽车电控发动机典型故障,分析各种故障的特征,利用神经网络在模式识别上的优势,对故障特征进行分析,提高汽车电控发动机故障诊断的准确性.
关键词：神经网络;电控发动机;故障诊断
中图分类号：TP183;U472.9
文献标识码：A
文章编号：1001-5922（2020）06-0167-04
1.汽車电控发动机故障诊断
1、1 汽车电控发动机组成
近年来,随着汽车行业的发展,汽车发动机控制方式都已采用电动控制的方式,通过电动控制系统（简称电控系统）完成发动机燃油喷射、变量进气、速度控制、燃油喷射控制以及点火控制等功能[1].电控发动机作为当今汽车发动机的主流,电控发动机技术的自动化程度也体现了汽车行业自动化程度的高低[2].
现代汽车电控系统主要由各类传感器、电控芯片以及多个执行器等部分组成,如图1所示.发动机正常工作需要各个部分协同工作,电控芯片向各个部分发送动作指令,各个部分也将相关信息反馈到电控芯片中.汽车电控发动机中的电子控制单元（ECU） -般具有故障自诊断的功能[3],汽车发动机控制系统中的各传感器实时将信号传送到ECU中,ECU对接收的传感器信号进行判别,当ECU检测到来自传感器和执行器的故障信号时,ECU将发送相关指令,汽车驾驶员操作面板上的故障指示灯将点亮,提醒驾驶员汽车发动机出现故障.同时ECU也会发送故障代码到控制器中,维修人员在检修车辆时,通过拷贝存储器中的故障代码,通过对代码解析识别,从而判别故障发生位置,但人工检修也会出现一些问题.
1、2 电控发动机故障类型
汽车发动机常见的故障类型主要有传感器故障、执行器故障以及相应线路故障,各类故障的特征和相关参数不同.
汽车发动机内部的各项传感器在正常工作时,各个传感器会向ECU发送应的信号,所发送的信号都在各自相应的范围内,表1是发动机在正常怠速下相关参数,当某传感器出现故障时,所发送的信号会超出正常范围,当ECU接收到超出正常范围的信号时就会判定出该传感器出现故障.
电控发动机的执行器发生故障时,常常需要外接电路来监测各执行器的工作情况[4].汽车执行器故障相关线路发生故障时,主要有线路接连处以及线路短路等情况.
2.人工神经网络
人工神经网络是一种模拟生物神经网络行为特征并执行分布式并行信息处理的算法数学模型,该网络由大量相互连接的内部节点（神经元）组成,每个节点输出一个称为激励函数的特定函数.每两个节点之间的连接由用于评估信号强度的值或权重表示[5].根据系统的复杂性,可以通过调整网络的结构、网络的连接方式、激励函数和内部节点之间的互连权重来实现信息处理的目的.人工神经网络技术因具有良好的自组织自学习能力,可模拟人思维根据输入的样本数据寻找输入量与输出量之间的复杂关系,具有非线性适应性信息处理能力,在预测、控制领域等到了成功的应用.
2、1 人工神经网络模型构建
人工神经网络技术能够模拟人脑处理信息的方式,利用大量数据训练影响因素与沉积量之间的非线性关系模型.该模型具有自学习和自适应能力,并利用训练的模型根据新输入的各影响因素对应的参数值,经过权值调节对沉积量进行预测.人工神经网络是由多个神经元组合模拟生物神经元的一种数学模型,神经元的结构如图2所示.
图2中,∑表示该神经元所有输入量求和,O表示训练神经网络时设置的一定阈值,S,表示该神经元的输出,fi表示神经元的输出,{X1,X2,等,Xn}表示该神经元的输入,{w1f,W2f,等,Wnf}表示两个神经元相互连接作用时的权值,当{w1f,W2f,等,Wnf}的符号为正时表明神经元处于兴奋状态,否则则处于抑制状态.f（·）表示神经元激活函数.
神经网络实现特殊功能的核心是算法[6],构建的神经网络结构为误差反向传播（Error Back Propaga-tion,BP）神经网络,经过训练后的BP神经网络能独立处理与输入样本相似的数据,并以最小的输出误差对输人数据进行非线性变化,BP神经网络拓扑结构如图3所示.
所构建的误差反向传播（BP）神经网络主要包含输入层、隐含层和输出层,其中输入层神经元的输入量以汽车发动机传感器的各项数据作为输入量,相应故障作为输出层神经元的输出量.输入层神经元与输出层神经元之间采用隐含层相连,各层神经元之间的传递函数如下[7]：
2、2 神经网络模型训练
BP神经网络模型的训练包括正向和反向过程,其中正向训练利用样本数据,样本数据作为为输入层神经元输入相应参数,经过隐含层计算后输出,通过比较输出量与理论值之间的偏差,如果偏差满足设定的阈值,则训练结束,若不满足,则将误差值反向传播,调整各层神经元之间权值和偏置值,直到误差满足相应要求停止.
神经网络模型训练需要大量的样本数据,训练神经网络模型的样本数据主要来自于实验[8].通过实验收集大量汽车电动发动机故障特征,并分析相关参数作为样本数据.表2是将样本数据作为神经网络的输入量,经过神经网络训练学习后的输出.
3.实验
为验证神经网络模型在汽车电控发动机故障诊断方面的准确性与灵敏度,通过收集了十二组故障数据,每组数据包括氧气、冷却水温、发动机转速数据、节气门开度、进气温度、点火提前角、喷嘴喷射油时间、空燃比闭环状态、进气传感器压力以及发动机负荷数据.每一个传感器收集六组数据,其中一组待检测的数据如表3所示.
通过神经网络模型诊断后,输出结果如表4所示.
通过表中数据可以看出,实际输出结果与神经网络模型诊断的结果一直,神经网络模型的精度较高,在汽车电控发动机故障领域有一定的应用前景.
4.结语
通过神经网络分析电控发动机故障数据来判断汽车故障的方法,能够根据电控发动机的相关数据,分析数据准确的找到故障位置,并诊断故障原因,该方法较人为的检测在精度上有了很大的提高,提高了工作效率.
参考文献
[1]《中国公路学报》编辑部,中国汽车工程学术研究综述[J].中国公路学报.2017,30（06）：1-197.
[2]王礼军.模糊神经网络专家系统在发动机故障诊断中的应用研究[D].重庆：重庆交通大学,2012.
[3]李国勇,电控汽油机智能控制策略及故障诊断的研究[D].太原：太原理工大学,2007.
[4]屋德毕李格,基于波形分析法的电喷汽油机故障诊断研究[D].西安：长安大学,2005.
[5]李守巨.基于计算智能的岩土力学模型参数反演方法及其工程应用[D].大连：大连理工大学,2004.
[6] Khosri A, Koury R N N,Machado L,et al.Predic-tion of wind speed and wind direction using artificialneural network, support vector regression and adaptiveneuro- fuzzy inference system[J].Sustainable EnergyTechnologies and Assesents, 2018, 25： 146-160.
[7] Al- Ghobari,H M, El- Marazky,M S,Dewidar,A Z,et al.Prediction of wind drift and evaporation losses fromsprinkler irrigation using neural network and multiple re-gression techniques[J].Agricultural Water Manage-ment.2018, 195： 211-221.
[8] Wen,S.;Zhang,Q.;Yin,X.;et al.Design of Plant Pro-tection U Variable Spray System Based on NeuralNetworks.Sensors 2019, 19, 1112.
作者簡介：于丽丽（1989-）,女,江苏徐州人,硕士研究生,讲师,主要研究方向：汽车服务工程.
括而言之:上文是可当作大学硕士与本科故障诊断和汽车电控相关的毕业论文开题报告写作参考和有关优秀学术职称论文参考文献资料，免费教你怎么写神经网络方面论文.
故障诊断和汽车电控引用文献:
[1] 故障诊断和汽车电控论文写作资料范文 故障诊断和汽车电控有关学年毕业论文范文2万字
[2] 神经网络论文范文集 关于故障诊断和汽车电控方面论文范文例文2500字
[3] 故障诊断和航电系统毕业论文格式范文 故障诊断和航电系统类有关专升本毕业论文范文10000字
