基于概率神经网络的发动机失火故障诊断

发布时间：2017-04-18 11:22

  本文关键词：基于概率神经网络的发动机失火故障诊断，由笔耕文化传播整理发布。

【摘要】：汽车为人们生活工作各个方面带来巨大便利,使得不同地区间往来频繁,促进城镇一体化。发动机作为汽车的动力源泉,是汽车上最关键的部分。人们对发动机的需求由汽车最初诞生时的动力提供,变为如今的稳定性、可靠性、安全性、经济性等更高的要求。现在的发动机是由电控、机械、液压、各种传感器组成的复杂系统,日趋复杂的结构增加了发动机故障发生的概率。为了能够及时监测发动机工况及其汽车尾气排放状态,在上个世纪80年代以美国为首的西方国家开发了车载诊断系统(OBD),对发动机失火故障等发动机故障进行诊断。与此同时制定了相关的法规标准,我国根据欧盟汽车尾气排放标准制定了国Ⅲ、国Ⅳ、国Ⅴ等排放标准,目的是促使汽车制造厂商降低生产汽车的尾气排放量。汽车失火故障是指空气燃油混合气体不能在发动机气缸内进行正常燃烧,而排放出气缸的现象。会有很多原因造成失火故障,如发动机火花塞不能正常点火、发动机供油系统故障、气缸漏气等。发动机发生失火故障不仅降低燃油燃烧效率,同时对大气造成很大污染,也不符合我国尾气排放标准,且如果紧急避车等情况下由于汽车发生失火故障造成汽车动力性不足,会酿成车毁人亡的惨剧。鉴于以上原因,设计一种发动机失火故障有效诊断的方法显得尤为重要。本文在物理仿真软件AMESim软件平台上搭建直列四缸发动机怠速运行模型与发动机负载运行模型。通过设置节气门控制信号、通信时间、失火注入等相关参数模拟发动机11种运行工况。提取不同工况下发动机转速与发动机曲轴转角位移这两个数据,因为这两个数据不仅能够非常直观地表达发动机的运行状态,而且易于测量。在matlab环境中进行处理,将曲轴转角位移经过取余等处理后按照一定的曲轴转角位移与发动机转速比例值进行相加处理,成为观测数据,并整理成训练样本与测试样本。本文对多种算法进行了研究,通过大量仿真实验的验证,设计了一种基于主元分析与遗传算法改进的概率神经网络。通过基于主元分析法与遗传算法改进的概率神经网络对节气门控制信号抖动情况下发动机怠速运行状况与发动机负载运行进行发动机失火故障诊断状况(每种运行条件都有11种工况)。主元分析法的功能是优化概率神经网络的隐层神经元结构,利用主元分析法将训练样本和测试样本进行主元分析,提取相应数目的主元构成新的训练样本与测试样本。利用11种工况下的新训练样本与测试样本训练概率神经网络,通过调用遗传算法工具箱gatool利用遗传算法进行全局随机最优延展常数(spread)搜寻,提取最优spread值,即能使得概率神经网络在新的训练样本与测试样本下分类准确率最高的spread值。与概率神经网络、广义神经网络、径向基神经网络这三种算法比较,基于主元分析法与遗传算法结合的概率神经网络具有分类准确率高、抗干扰性强等优点,适合发动机怠速运行及车载运行的失火故障诊断。跟已有的发动机失火故障诊断相比,本文提出的方法具有观测量易于提取、机理与数据处理简单、性价比高、失火气缸定位准确、故障诊断准确率高(接近100%)、抗干扰性好等优点,具有广泛的应用前景与实际推广价值。
【关键词】：发动机 失火故障诊断 概率神经网络 AMESim
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U472.9;TP183
【目录】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 绪论11-19
• 1.1 课题研究背景与意义11
• 1.2 故障诊断介绍11-13
• 1.3 发动机失火故障介绍13-16
• 1.3.1 发动机失火故障定义及原因13-14
• 1.3.2 发动机失火故障诊断的方法及研究现状14-16
• 1.4 本文的研究目标及主要内容16-19
• 1.4.1 本文的研究目标16-17
• 1.4.2 本文主要研究内容17-19
• 第2章 AMESim软件与发动机模型建立19-25
• 2.1 引言19
• 2.2 AMESim软件介绍19-20
• 2.3 AMESim建模流程20
• 2.4 四缸自然吸气式直列发动机（怠速运行情况）20-22
• 2.5 四缸自然吸气式直列发动机（负载运行情况）22-24
• 2.5.1 简介22
• 2.5.2 重要元件介绍22-24
• 2.6 本章小结24-25
• 第3章 概率神经网络的算法改进设计25-43
• 3.1 引言25
• 3.2 径向基神经网络25
• 3.3 广义回归神经网络25-26
• 3.4 概率神经网络26-29
• 3.4.1 简介26-27
• 3.4.2 概率神经网络二分类问题27-28
• 3.4.3 概率神经网络多级分类问题28-29
• 3.5 基于主元分析与遗传算法改进的概率神经网络29-41
• 3.5.1 主元分析法29-30
• 3.5.2 遗传算法30-33
• 3.5.3 PCA-GA-PNN算法设计33-38
• 3.5.4 gatool工具箱使用38-41
• 3.6 本章小结41-43
• 第4章 利用PCA-GA-PNN进行发动机失火故障诊断43-71
• 4.1 引言43
• 4.2 发动机失火故障诊断总体思想43-44
• 4.3 AMESim中发动机失火故障注入技术44-45
• 4.4 发动机节气门控制信号模拟与分析45-47
• 4.5 发动机转速与发动机曲轴转角位移预处理47-50
• 4.6 RBF、GRNN、PNN算法所需相关变量处理与说明50-51
• 4.7 节气门控制信号抖动情况下发动机怠速运行失火故障诊断51-62
• 4.7.1 发动机不同运行工况下仿真实验与样本收集51-53
• 4.7.2 基于径向基神经网络的发动机失火故障诊断53-54
• 4.7.3 基于广义回归神经网络的发动机失火故障诊断54-55
• 4.7.4 基于概率神经网络的发动机失火故障诊断55-56
• 4.7.5 基于PCA-GA-PNN的发动机失火故障诊断56-60
• 4.7.6 算法准确率比较60-62
• 4.8 节气门控制信号抖动情况下发动机负载运行失火故障诊断62-68
• 4.8.1 发动机不同运行工况下仿真实验与样本收集62-64
• 4.8.2 基于径向基神经网络的发动机失火故障诊断64-65
• 4.8.3 基于广义回归神经网络的发动机失火故障诊断65
• 4.8.4 基于概率神经网络的发动机失火故障诊断65-66
• 4.8.5 基于PCA-GA-PNN的发动机失火故障诊断66-67
• 4.8.6 算法准确率比较67-68
• 4.9 基于主元分析与遗传算法改进的概率神经网络的优势68-69
• 4.10 本章小结69-71
• 第5章 全文总结与展望71-73
• 5.1 全文总结71-72
• 5.2 研究展望72-73
• 参考 文献73-79
• 作者简介及在学期间所取得的科研成果79-81
• 致谢81

【相似文献】

中国期刊全文数据库 前10条

1 张吉刚;梁娜;;基于概率神经网络的高校毕业生学位评审预测[J];佳木斯大学学报(自然科学版);2011年05期

2 徐光华,屈梁生;基于概率神经网络的机组状态多步预报方法[J];西安交通大学学报;1999年07期

3 高宏岩;;概率神经网络在旋转机械故障诊断中的应用[J];煤矿机械;2006年05期

4 姬东朝;宋笔锋;易华辉;;基于概率神经网络的设备故障诊断及仿真分析[J];火力与指挥控制;2009年01期

5 朱明悦;李小申;;基于概率神经网络的发动机故障诊断方法研究[J];制造业自动化;2012年09期

6 刘宇;卢宇;张玉欣;;概率神经网络在隧道变形位移预测中的应用[J];冶金自动化;2012年04期

7 肖玉玲;孙丽娜;;基于概率神经网络的发动机故障诊断方法研究[J];河南教育学院学报(自然科学版);2012年03期

8 汤俊;莫依雯;邓勇;;概率神经网络在可疑交易监测中的应用及效率比较[J];武汉大学学报(工学版);2013年02期

9 成奇明;张树京;;概率神经网络回归、判别与聚类[J];北方交通大学学报;1993年04期

10 段传学,徐光华,孟光;概率神经网络的边界预报[J];上海交通大学学报;2005年02期

中国重要会议论文全文数据库 前7条

1 刘建华;张伟江;张仲俊;;概率神经网络的实时训练[A];1995中国控制与决策学术年会论文集[C];1995年

2 徐欣;冯道旺;周一宇;卢启中;;核函数概率神经网络脉冲去交错器研究与设计[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 贾勇;何正友;赵静;;基于小波熵和概率神经网络的配电网暂降源识别方法[A];中国高等学校电力系统及其自动化专业第二十四届学术年会论文集（下册）[C];2008年

4 王成儒;王金甲;李静;;一种用于说话人辨认的概率神经网络的MCE训练算法[A];第三次全国会员代表大会暨学术会议论文集[C];2002年

5 朱志强;樊大帅;张军;王亮;;基于组合PNN概率神经网络的车标识别方法[A];全国先进制造技术高层论坛暨第十届制造业自动化与信息化技术研讨会论文集[C];2011年

6 薄翠梅;李俊;陆爱晶;张广明;;基于核函数和概率神经网络的TE过程监控研究[A];第二十六届中国控制会议论文集[C];2007年

7 芮瑞;鲍长春;;基于概率神经网络的语音与音乐分类[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年

中国硕士学位论文全文数据库 前10条

1 张鲁丹;智能图像识别技术研究[D];渤海大学;2016年

2 周沙;基于概率神经网络的变压器局部放电模式识别研究[D];江苏大学;2016年

3 王子健;基于概率神经网络的发动机失火故障诊断[D];吉林大学;2016年

4 张洪波;基于主成分的概率神经网络模拟电路故障诊断的研究[D];湖南大学;2008年

5 张海艳;基于自适应概率神经网络的农作物虫情预测研究[D];兰州交通大学;2011年

6 荣薇;基于概率神经网络的汉语耳语音识别的研究[D];苏州大学;2008年

7 苏亮;基于概率神经网络的焊接结构疲劳寿命分类与预测[D];长安大学;2012年

8 李旭军;基于概率神经网络的质量控制研究[D];合肥工业大学;2006年

9 吴太阳;小波变换和概率神经网络在脉象信号分析中的应用[D];重庆大学;2007年

10 张卫华;基于Alpha稳定分布基函数概率神经网络的系统故障诊断研究[D];江南大学;2009年

  本文关键词：基于概率神经网络的发动机失火故障诊断，由笔耕文化传播整理发布。

，

本文编号：314797