汽车发动机故障辅助分析诊断系统的设计与实现

发布时间：2020-03-30 18:34

【摘要】：汽车发动机作为汽车的心脏,最重要的总成之一,结构复杂。很多汽车故障都来源于此,目前大多数的维修厂还是采用人工诊断的方式诊断汽车发动机故障,由于维修人员技术水平参差不齐,故障诊断时间和质量千差万别,并且,诊断的时间远远大于维修时间。因此,一个能够快速辅助分析诊断故障的系统不仅可以节省维修人员的诊断时间,提高诊断的正确率,还能提高汽车的售后服务质量,树立企业的品牌形象。基于上述原因,本文致力于设计开发一个汽车发动机故障辅助分析诊断原型系统。首先,本文以提供售后服务的维修厂为核心,研究国内外汽车发动机故障诊断方案。从发动机数据流的角度分析并选择发动机的重要参数,将发动机生命周期过程融入数据流分析,从发动机常见故障现象分析发动机各个系统的故障,多角度的分析发动机故障,研究企业的需求,确定系统功能需求。其次,根据企业的具体需求及现有数据特点,选择已改进算法BA-BP和BA-SVM在Matlab R2016a平台上做仿真实验对比,选择min-max方法对实验数据做归一化处理,根据实验对比结果确定BA-SVM算法为本文的诊断算法。使用汽车发动机数据流和多个故障现象的严重程度数据和BA-SVM算法结合组成故障诊断模型,并通过模型训练和测试结果验证模型的正确性。对于不同的车型和发动机,需要使用模型管理训练不同的参数形成新的模型。最后,根据系统功能需求实现系统管理模块、基础信息模块、综合查询模块、模型管理模块和故障诊断模块,并完成对系统的功能测试和性能测试来验证系统功能的正确性和稳定性。本文使用BA-SVM算法模型和企业的实际需求相结合,提供汽车发动机数据流诊断、多种故障现象诊断、询问式故障诊断等多种诊断方式,为用户提供多个角度分析发动机故障,为后期的维修决策提供帮助。
【图文】：

BP神经网络结构图

网络结构图,网络结构

西南交通大学硕士研究生学位论文验数据：使用 min-max 归一化方法处理数据样本，试样本。A-BP 和 BA-SVM 算法的分类时间及准确率。A-BP 和 BA-SVM 算法下的仿真结果，得出实验结据流的样本集下，BA-BP 算法有 9 个输入节点，，对个隐藏节点，7 个输出节点对应故障类别。迭代次数e-05，BP 神经网络结构如图 3-4 所示。BA-BP 和 BA训练测试结果图的横坐标代表测试数量，纵坐标代
【学位授予单位】：西南交通大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U472;TP311.52

【参考文献】