论文部分内容阅读
发动机作为汽车等其他车辆运载工具的核心部件，其结构越来越复杂，发动机能否安全稳定运行关系到汽车的安全行驶。针对汽车发动机故障诊断研究的现状，全面、深入地分析了电控发动机的典型故障，在此基础上运用BP神经网络对汽车发动机进行故障诊断。查阅了大量关于汽车发动机故障诊断和神经网络的文献资料。在此基础上讨论了故障诊断技术的发展历程和趋势，国内外汽车故障诊断技术的研究现状。通过在汽车修理厂和车辆检测站的调研以及在汽车修理厂对186辆发动机有故障的车辆进行的检测和分析，总结了电控发动机的主要故障类型为起动系故障、点火系故障、燃油供给系故障、润滑系故障、冷却系故障以及发动机异响故障，并分别进行了分析。以BP神经网络为例，分析了BP神经网络的基本思想、结构特点、学习算法以及算法流程。采用分段自适应策略对人工鱼的视野和步长进行改进，并对改进后的算法进行验证，仿真结果表明通过分段自适应改进后，算法收敛速度和最优解精度都得到了改善，算法性能明显提高。针对BP神经网络存在的不足，利用改进后的人工鱼群算法对BP神经网络进行优化，仿真结果表明通过改进后的鱼群算法优化的神经网络训练次数明显减少，提高了BP神经网络的性能。根据汽车发动机故障的特点，采用二值逻辑表示发动机故障数据，有效避免了病态样本对神经网络的影响。在对上述典型故障分析的基础上，选择了起动困难、失速、加速时回火等11个具有代表性的汽车发动机故障以及怠速故障、点火线圈、点火正时不对等11个故障原因作为训练样本。在MATLAB平台上采用优化后BP神经网络对汽车电控发动机进行故障诊断仿真研究，结果表明此方法能对汽车发动机故障进行有效诊断。