基于神经网络的汽车电控发动机故障诊断研究

本文在广泛收集国内外汽车诊断技术发展及现状等有关资料的基础上，全面论述和系统分析了汽车诊断设备的开发和诊断理论的研究成果及方向。首先，对课题研究的目的及意义进行了探讨，明确指出汽车故障诊断理论研究是汽车集成诊断系统建立的重要基础。其次，对某个车辆或车型的故障与汽车群体的故障规律和性质之间的关系进行了研究，并在研究汽车群体基本特征的基础上提出进行汽车故障诊断的策略及其评价方法。再者，随着电子控制技术在汽车工程中的应用，汽车产品的各项性能都得到了进一步的提高和完善，特别是汽车电控系统的故障诊断变得更为复杂。基于符号学习和推理的专家系统在解决这个问题上的某些局限性，使基于数值计算的诊断方法，如人工神经网络和模糊识别等，成为智能故障诊断研究的新课题。由于计算机模式识别技术的日益成熟，为汽车电控系统故障识别的技术提供了完整的理论基础。结合汽车故障的特点和模式识别的要求，论述了汽车技术状态特征的选择和提取原理、汽车故障模式识别的主要方法。以汽车电控系统的典型故障为例，对故障症兆的技术状态特征的描述、利用神经网络进行故障模式识别及其故障部位判断与故障原因分析等问题进行了深入的研究。鉴于电控系统组成的复杂性，同样的故障征兆具有”一果多因”的特点。因此，以故障征兆为基本模式，采用单故障样本组合的方式对神经网络进行训练，以识别具体的故障原因和部位。此外，以MATLAB应用软件为主要的数值计算和分析手段，重点研究了应用神经网络对电控发动机典型故障—怠速不稳定原因的识别问题。