论文部分内容阅读
汽车是用数千个零件组成的一个相当复杂的机械系统。发动机相当于汽车的心脏,是其动力来源,发动机的性能直接或者间接的影响整车的运行状况。所以在不拆卸发动机的前提下,精确迅速地判断发动机技术状况,不仅可以保证汽车运行的安全性以及经济性,而且可以节省盲目维修所耗费的成本。本课题是以神经网络理论为基础设计而成的一套智能发动机故障诊断系统,其具有扩展性,可根据选定的发动机相关测试数据诊断出发动机具体的故障点。本论文首先介绍了发动机故障诊断系统所依托的神经网络相关原理,从而引出了神经网络在故障诊断方面的应用。在比较、确定课题所适用的神经网络类型后,详细地介绍了所选用的BP网络的核心内容以及进行优化的遗传算法原理,为实现诊断系统与创建故障诊断网络奠定了理论基础。其次,使用MATLAB与ACCESS混合编程的方法创建诊断系统登陆界面,利用MATLAB软件中的神经网络工具箱创建BP神经网络。使用遗传算法对BP网络进行优化,并结合GUI图形界面功能实现人机界面,编制成基于神经网络的发动机故障诊断系统。进而为了实施需要,将相关的文件进行打包布署,从而可在无MATLAB环境中使用发动机故障诊断系统。再次,综合利用故障实验台、K81读码器以及AVL4000尾气分析仪搭建试验平台。在发动机怠速和加速两种情况下,通过综合随车测试与车外测试获取构建神经网络所需的故障征兆数据集以及验证网络有效性的测试数据集。最后,根据输入、输出数据集特点并结合对比测试结果以及相关理论确定网络结构的参数以及函数。对神经网络进行训练、仿真,通过实时测试数据验证诊断结果的正确性后,形成了具有神经网络技术的故障诊断系统。此发动机故障诊断系统不仅能够改变维修企业没有充分发挥检测仪功能的现状,而且节省寻找故障所花费的时间,减少了为了证实故障进行换件操作所浪费的人力、物力。