（控制理论与控制工程专业论文）基于神经网络技术的汽车发动机故障诊断研究.pdf

基于神经网络技术的汽车发动机故障诊断研究 摘要 近年来国内外的机械故障诊断技术发展迅速，研究的手段和方法日新月异， 其应用己遍及各个工业领域。由于汽车发动机结构复杂，故障特征及原因普遍存 在针对性和常见性，对其实旋故障诊断比较困难，尽管人们对其开展了不少研究 并取得了一些研究成果，但总的诊断水平并不有效，这与其在生产生活中广泛应 用的现状极不相符。因此，对汽车发动机开展故障诊断研究具有十分重要的意义。 本文研究工作就是在这个技术背景下展开的。 本文主要研究汽车发动机故障诊断的方法。在分析了现有故障诊断方法的基 础上。提出了一套利用神经元网络进行故障诊断的方法。在分析了发动机常见故 障和经验解决方法之后，结合人工神经元网络模型和学习模型，设计了适合本研 究的故障诊断系统。本系统采用三层神经网络结构，4 个输入结点，中间层为1 0 个，输出层与故障模型相对应，为1 2 个。在算法方面，经过多次实验，提出了 一种高效的改进型f b p 算法。使用梯度下降法迭代法不断修正权值，网络训练迭 代次数为1 0 万次，学习精度要求为取系统总误差e = o 0 0 1 系统诊断成功率高打 9 1 6 ，使系统最终达到了设计目的。 关键字：神经元网络，f b p 算法，汽车发动机，故障诊断 s t u d yo nt h ed i a g n o s t i cf a i l u r e o fm o t o rv e h i c l ew h i c hi sb a s e d o nn e r v em i l l i o nn e t w o r k a b s t r u c t i nr e c e n ty e a r s ，a n dt h em e c h a n i c a ld i a g n o s t i ct e c h n o l o g yi sd e v e l o p i n gr a p i d l y , w i t l lt h em e a n sa n dm e t h o d sf o rt h es t u d y , i t sa p p l i c a t i o nh a ss p r e a da l li n d u s t r i a l a r e a s t h ec o m p l e xs t r u c t u r eo fm o t o rv e h i c l e ，b r e a k d o w nc h a r a c t e r i s t i c sa n dc a u s e s w i d e s p r e a da n dc o m m o ns e x u a lo r i e n t a t i o n ，f a u l td i a g n o s i sm o r e d i f f i c u l tt o i m p l e m e n t ，d e s p i t ei t sm a n yr e s e a r c hu n d e r t a k e na n da c h i e v e ds o m er e s u l t s ，t h e o v e r a l ll e v e li sn o te f f e c t i v ed i a g n o s i s ，a n di t sw i d ea p p l i c a t i o ni nt h ep r o d u c t i o nl i f e o f t h es t a t u sq u oi si n c o n s i s t e n t t h e r e f o r e ，t h ee n g i n ef a i l u r ef o rd i a g n o s t i cs t u d i e si s o f g r e a ts i g n i f i c a n c e t h er e s e a r c hi sc a r r i e do u ti nt h et e c h n i c a lb a c k g r o u n d t h em a j o rr e s e a r c h e n g i n e f a i l u r e d i a g n o s t i cm e t h o d s f a i l u r ed i a g n o s t i c m e t h o d si nt h ea n a l y s i so f t h ee x i s t i n gb a s i s m a d eu s eo f an e t w o r kf a i l u r ed i a g n o s t i c n e r v em i l l i o n a n a l y s i so ft h ec o m m o ne n g i n ef a i l u r e sa n de x p e r i e n c e ss o l u t i o n ，a c o m b i n a t i o no fa r t i f i c i a ln e u r a ln e t w o r km o d e l sa n dl e a r n i n gm o d e l sd e s i g n e df o rt h e s t u d yo ff a i l u r ed i a g n o s i ss y s t e m n e u r a ln e t w o r k su s eat h r e e t i e rs t r u c t u r eo ft h e s y s t e m ，f o u ro f n o d e s ，i nt h em i d d l el a y e rt o1 0 ，a n dt h eo u t p u tl a y e rc o r r e s p o n d i n gt o t h ef a i l u r em o d e l sf o r1 2 i nt h ea l g o r i t h m ，a f t e rm a n ye x p e r i m e n t s ，p r e s e n t e dh i g h l y e f f e c t i v em o d i f i e df b pa l g o r i t h m s f r a n c eh a si n c o r p o r a t e dt h eu s eo ft h eg r a d i e n t d r o pa m e n d m e n t st ot h ec u r r e n tl a w , t h en m n b e ro fn e t w o r kt r a i n i n gf o rc o m p u t a t i o n 10 0 ，0 0 0t i m e s ，a n d p r e c i s i o nr e q u i r e d f o rt h e s y s t e m t ot h et o t a le r r o r e 2 0 0 0 1 s y s t e md i a g n o s t i cs u c c e s sr a t eh i t9 1 6 t or e a c haf i n a ls y s t e md e s i g n k e yw o r d s ：n e r v em i l l i o nn e t w o r k ，f b p a l g o r i t h m ，e n g i n e ，f a i l u r ed i a g n o s t i c i i 基于神经网络技术的汽车发动机故障诊断研究 1 前言 1 1 研究背景 汽车发动机的可靠性直接影响到发动机的利用率、经济效益以及行驶的安全。如何 监控发动机以及发动机的快速故障诊断是世界各汽车公司所关心的问题。因此，各汽车 维修单位和研究单位都在进行发动机状态监控和故障诊断的研究，但绝大多数的故障诊 断研究是基于一定的故障假设之下进行的，而假设下进行的故障诊断研究所用的多数故 障模式却正是发动机制造商竭尽全力避免发生的。现代发动机的可靠性已经得到了较大 的提高，通常的假设故障模式只占实际故障模式的1 0 左右，多数故障出现在物理因果 关系例证困难的情况下，使其无法编制进常规的发动机状态监控和故障诊断系统中。人 工神经网络是一门发展十分迅速的交差学科，它涉及生物、电子、计算机、数学和物理 等学科，有着非常广泛的应用背景。人工神经网络是在生物学中神经网络理论的基础上， 简化了复杂结构的偏微分h h 方程模型，构成了多个神经元互联结构的网络，研究这个 复杂的多维非线性大系统中的信息的分布、传递以及处理的理论和方法，并用于解决实 际的工程问题。这门学科的研究使诸如生物学、认知科学、非线形科学等基础科学与计 算机、电子学、人工智能、微电子、信息处理、模式识别等工程学科有机地结合起来， 并且更具有广泛的应用背景。虽然在国际上，对这门学科的研究已经有数十年的历史。 但近年来人工神经网络不仅在理论、模型上有所发展，而且在应用上也有较快的发展。 人工神经网络技术的应用，为发动机状态监控和故障诊断提供了一个非常有效的工具。 由于神经网络系统具有容错、联想、推测、记忆、自学习、自适应、多模式处理等功能， 利用神经网络算法作发动机故障诊断，不仅使发动机故障诊断系统能应用于不同状态下 的故障模式，还可以应用于无限的故障经验。 1 1 1 神经网络及其相关技术的研究与应用现状 人工神经网络( a n n ，a r t i f i c i a ln e u r a ln e t w o r k ) 是由大量简单的基本元件神经元 相互连接而成的自适应非线性动态系统。每个神经元的结构和功能比较简单，而大量神 陕西科技大学硕士学位论文 经元组合产生的系统行为却非常复杂。人工神经网络反映了人脑功能的若干基本特性， 它是一门活跃的边缘性交叉学科，涉及生物、电子、计算机、数学和物理等多学科。它 主要是根据生物神经系统的作用原理发展起来的、由多个人工神经元互联组成的大规模 分布式并行信息处理系统，模拟人类神经系统的信息处理机制，对复杂问题进行有效的 解决。 1 莫基阶段 早在4 0 年代初，神经解剖学、神经生理学、心理学以及人脑神经元的电生理的研究 等富有成果。其中，神经生物学家m c c u l l o c h 提倡的数学化具有特别意义，他与青年数 学家p i t t s 合作，从人脑信息处理观点出发，采用数理模型的方法研究了脑细胞的动作和 结构及其生物神经元的一些基本生理特征，他提出了第一个神经计算模型r 即神经元的 阅值元件模型，简称m p 模型。他们认识到了模拟大脑可用一个逻辑运行的网络，这一 网络有一些结点，以及结点与结点之间的相互联系，从而构成一个简单的神经网络模型。 这一模型的贡献在于，结点的并行计算能力很强，为计算神经行为的某些方面提供了可 能性从而开创了神经网络的研究。 1 9 4 9 年神经生物学家h e b b 的论著( ( t h eo r g a n i z a t i o no f b e h a v i o r ) ) 对大脑神经细胞、 学习与条件反射作了大胆地假设，称为h e b b 学习规则。这种模型是被动学习过程，只 适用于正交矢量的情况，后来研究者把突触的变化与突触前后电位相关联，在他的墓础 上作了变形和扩充。h e b b 对神经网络的发展起到了重大的推动作用，它至今仍然被人们 引证。 1 9 5 2 年英国生物学家h o d g l t i n 和h u x l e y 建立了长枪乌贼巨人轴水非线性动力学微 分方程，简称h h 方程由于h o d g k i n 和h u x l e y 研究的成果有重大理论及应用价值，他 们荣获了诺贝尔生理医学奖。他们的著名方积引起了许多学者的关注，方程中包含了半 富的内容，对理论和实践产生了极大的作用，有些学者对h h 方程研究得到了很多有意 义的结果。发现了神经膜中所发生的非线性现象：自激振荡、混沌及多重稳定性等，几乎 都可用这个方程来描述。 1 9 5 4 年生理学家e c c l e s 提出了真实突触的分流模型，并通过生物神经突触的电生理 实验得到证实。其重要意义是，为神经网络模拟突触的功能提供了原型和生理学的证据。 1 9 5 6 年u t t l e y 发明了一种由处理单元组成的推理机，他称这种处理单元为信息子 ( i n f o r m o n ) ，用推理机模拟行为及条件反射现象。它是一种线性分离器，利用s h a n n o n 的 基于神经网络技术的汽车发动机故障诊断研究 炳值与输入输出概率之比的自然对数来调节其输入参数。他在7 0 年代中期把它应用于自 适应模式识别，他认为这种模型是实际神经系统的工作原理，并出版了专著( i n f o r m a t i o n t r a n s m i s s i o ni nt h en e r v o u ss y s t e m ) 2 第一次高潮阶段 1 9 5 8 年计算机科学家r o s e n b l a t t 基于m p 模型，增加了学习机制，推广了m p 模型。 他证明了两层感知器能够将输入分为两类，假如这两种类型是线性井可分，也就是一个 超平面能将输入空间分割。其感知器收敛定理：输入和输出层之间的权重的调节正比于计 算机输出值与期望输出值之差。他提出的感知器模型首次把神经网络理论付诸工程实 现。r o s e n b l a t t 之举，激发了许多学者对神经网络研究的极大兴趣。 1 9 6 0 年w i d r o w 和h o f f 提出了自适应线性元件a d a l l n e 网络模型，是一种连续取 值的线性网络，主要用于自适应系统。他们研究了一定条件下输入为线性可分问题，期 望响应与计算响应的误差可能搜索到全局最小值，网络经过训练可抵消通信中的回波和 噪声，它还可应用在天气预报方面，这是第一个对实际问题起作用的神经网络。 1 9 6 2 年r o s e n b l a t t 对他的感知器作了总结。还有些科学家采用其它数学模型，如用 代数、短阵等方法来研究神经网络。值得一提的是，我国中科院生物物理所在1 9 6 5 年提 出用矩阵法描述一些神经网络模型，他们重点研究视觉系统信息传递过程和加工的机理 以及建立有关数学模型。此外，f o g e l ，o w e n s 和w a l s h 在1 9 6 6 年出版了一本关于进化 规划的专著a r t i f i e i a li n t e l l i g e n c et h r o u g hs i m u l a t e de v o l u t i o n ) ) 。由于该书所提倡的思 想方法根本不合当时人工智能的主流，受到学术界的怀疑，一直到9 0 年代才被人们重视。 6 0 年代中、后期，g r o s s b e r g 心从信息处理的角度，研究了思维和人脑结合的理论 问题，运用数学方法研究自组织性、自稳定性和自调节性，以及直接存取信息的有关模 型。他建立t 一种神经网络结构，即：他给出的内星( i n s t a r ) 、外星( o u t s t a r ) 和雪崩( a v a l a n c h e ) 为网络最小的结构。日本神经网络理论家a m a r i 注重生物神经网络的行为与严格的数学 描述相结合、尤其是对信任分配的问题的研究，得到了许多重要结果w i l l s h a w 等人提山 了一种模型：存储输入信号和只给出部分输入，恢复较完整的信号，即全息音( h o l o p h o n e ) 模型。这为利用光学原理实现神经网络奠定了理论基础，为全息图与联想记忆关系的本 质问题的研究开辟了一条新途径。n i l s s o n 对多层机，即具有隐层广义认知机作了精辟论 述，他认为网络计算过程实质上是一种坐标变换或是一种映射。他已对这类系统的结构 和功能有比较清楚的认识，但他没有给出一种实用的学习算法那时，尚无人知道训练由 一】 陕西科技大学硕士学位论文 多层闽值逻辑单元( t l u ) 组成的多层机的实用方法。6 0 年代，美国在视感控制方面曾热 过一阵子，由于识别视觉特征的功能一直得不到增强、于是受到冷落，主要是缺乏理论 的正确指导。不育而喻要解决这样复杂的问题就应该建立它的基本理论。直到8 0 年代 初，u l l m a n 指山了似运动机制的计算理论、m a r t 视觉理论，他们为这一领域的发展奠定 了坚实的理论荃础。 3 坚持阶段 神经网络理论当时似乎遥远但并非不可及的目标着实吸引了很多人的目光，美国军方 认为神经网络工程应当比“原子弹工程”更重要。并对它的投资兴越非常大，而对其实践 的效果也比较满意这时，神经网络发展中的一个关键人物，人工智能的创始人之一 m i n s k y 考虑到了人工智能的发展与前途问题。人工智能以顺序离散符号推导为其基本特 征，与神经网络大相径庭他从感知器的功能及局限性入手，在数学上进行了分析，证明 了感知器不能实现x o r 逻辑函数问题，也不能实现其它的谓词函数。他认识到感知器 式的简单神经网络对认知群不变性无能为力。他引发学术界的争议导致对人工智能投资 的增加。1 9 6 9 年m i n s 姆和p a p e r t 在m i t 出版了一本论著( ( p e r c e r t r o n s ) ) ，对当时与感 知器有关的研究及其发展产生了恶劣的影响，有些学者把研究兴趣转移到人工智能或数 字计算机有关的理论和应用方面。这样，推动了人工智能的发展，使它占了主导地位。 美国在此后1 5 年里从未资助神经网络研究课题，前苏联有关研究机构也受到感染，终止 了已经资助的神经网络研究的课题。m i n s k y 对感知器的评论有一定启发性，然而更多的 是他的偏爱和误导。后来，m i n s k y 山席了首届国际神经网络会议( 1 9 8 7 年) ，他发表演说： 过去他对r o s e n b l a t t 提出的感知器下的结论太早又太死，在客观上，阻碍了神经网络的 发展。h o l l a n d 于1 9 6 0 年卷入荃因遗传算法及选择问题的数学方法分析和基本理论的研 究中，经过长期探索与实践，建立了遗传算法理论。遗传算法是一种借鉴生物界自然选 择和自然遗传机制的高度并行、随机、自适应搜索算法，从而开拓了神经网络理论的一 个新的研究方向。 4 第二次高潮阶段 k o h o n e n 提出了自组织映射网络模型，映射具有拓扑性质，对一维、二维是止确的， 并在计算机上进行模拟，通过实例所展示的自适应学习效果显著。值得一提的是，h i m o n 和a n d e r s o 。的著作( ( p a r a l l e lm o d e l so fa s s o c i a t i v em e m o r y ) ) 在当时也产生了一定的影 响，由于理想的神经元连接组成的理论模型也具有联想存储功能，因此特别有意义。1 9 8 2 基于神经网络技术的汽车发动机故障诊断研究 年生物物理学家h o p f i e l d l 详细阐述了它的特性，他对网络存储描述得更加精细，他认识 到这种算法是将联想存储器问题归结为求某个评价函数极小值的问题，适合于递归过程 求解，并引入l y a p u n o v 函数进行分析。在网络中节点间以一种随机异步处理方式相互 访问，井修正自身输出值，可用神经网络来实现，从而这类神经网络的稳定性有了判据， 其模式具有联想记忆和优化计算的功能，并给出系统运动方程，即h o p f e l d 神经网络的 神经元模刚，他构造出l y a p u n o v 函数，证明了网络平衡点附近的稳定性，并对这种模 型以电子电路来实i n ，对神经网络理论的发展产生了深远的影响。1 9 8 2 年h o p f e l d 向美 国科学院提交了关于神经网络的报告，报告的主要内容是：建议收集和重视以前对神经网 络所做的许多研究工作，他指出了各种模型的实用性。从此，第二次高潮的序幕拉开了 在近十年神经网络理论研究趋向的背景下，神经网络理论的主要前沿领域应包括以 下儿方面的问题 1 对智能和机器关系问题的认识程度将进一步提高； 2 片申经计算和进化计算将有重大的发展： 3 神经网络结构和神经元芯片的作用将不断扩大。 为了满足不同时间应用的需要，人们提出了很多种神经网络模型。目前已有4 0 多种 模型但就其连接方式、神经元特性及学习规则的不同，可将其划分为四个基本范式，即 前向网络、反馈网络、自组织网络和随机网络。 由于神经网络计算的实时性和鲁棒性，对于很多实际复杂计算问题，如果可将其计 算用目标函数( 广义) 表示成某一神经网络的能量函数形式，都可以转换为优化问题通过 神经网络求解。神经网络的计算过程一系统的稳定过程，给传统的计算概念赋予了新的 内涵。神经网络特有的性质和基本功能，使得它在结构优化设计、故障诊断、力学反问 题分析、结构的位移、应力应变场计算等方面获得广泛应用。 1 1 2 汽车工业的历史及现状 汽车工业已经历了一百多年的发展历史，它之所以能得到长久、迅速的发展，是因 为汽车运输有着许多独具的特点比如：汽车运输的机动灵活，可将货物直接运送到目的 地，中途不需倒运，减少了货物的损耗；汽车运输对货物的限制没有铁路那样严格，因而 拓宽了它的运输范围。近来年，世界各国采用集装箱运输及各种专用汽车运输，不仅扩 陕西科技大学硕士学位论文 大了汽车的用途，而且降低了运输成本。高速公路的山现，以及运输管理的现代化，使 汽车的运输生产率大幅度提高。现在汽车已进人人类社会的各个领域，l 几业、农业、商 业与国际贸易、教育、科技、文化、艺术、卫生保健、国防以及其他各项建设事业，以 至人类的生活领域及家庭，都与汽车有紧密联系。随着科学技术的向前发展，汽车的各 项性能( 动力性、经济性、舒适性、通过性、操纵稳定性、安全可靠性等) 指标也在不断 提高，这就更使其优越性得到充分发挥。 汽车是由上万个零件组成的结构复杂、加工精密的“技术密集、劳动密集、资金密集 汤型的机( 机械) 、电( 电器、电子) 、化( 化工) 、美( 美工造型) 一体化且大批量生产的产品， 也是世界上零件数以1 0 4 计、产量以1 0 7 计的唯一产品，是产值高、寿命长、需要量大的 社会必需品。虽然世界上一些尖端技术往往由宁航、信息、核能等尖端工业开始，但要 把这些技术转化为价格低廉并为整个社会所共享的财富，非经过以大批量生产产品的汽 车工业不可。因此。一些当代世界上的最新技术与成果，首先在汽车上或汽车工业中得 到推广应用。如超微型计算机、微电子、计算机辅助设计与计算机辅助制造、激光、精 密机械制造与柔性加工、优化、可靠性、自动控制、有限元分析、模态分析、模拟计算、 程控等现代技术及现代加工设备及机器人等，不仅越来越多地引进汽车设计、制造、试 验研究中，而且有些现代高新技术成果就直接用到汽车上，以满足对汽车的安全、节能、 环保以及其他性能越来越高的要求。 1 1 3 发动机故障诊断国内外现状 近年来，随着科学技术的迅猛发展，尤其是电子技术和控制理论研究的不断深入， 对汽车发动机故障进行诊断所采取的手段和方法越来越多，故障诊断的能力也越来越强。 就发动机故障诊断所采取的手段而言，主要有直接观测法、油液分析法、热力性能检测 法和振动分析法等 直接观测法是由专业技术人员通过手摸耳听等方法去发现故障，人为因素占很大成 分，诊断的精确性取决于诊断人员的实践经验是否足够丰富，普通技术人员难以准确判 断故障。 油液分析法是依据测取运行设备润滑油的微量磨损粉末，用化学理论对其分析的故 障诊断方法通过对在用润滑油中磨损金属微粒的形态、尺寸、成分、数量和种类分布等 6 基于神经网络技术的汽车发动机故障诊断研究 特征的分析，确定关键摩擦副的磨损状态( 磨损形式、磨损程度) ；通过对油品性能和主要 污染物水平的动态分析，能够及时掌握油品润滑效能的变化，预测可能发生的系统故障 d l 。军械工程学院的任国全、郑海起等针对常见磨损故障，运用油液分析法进行诊断。 发动机内部存在着大量的摩擦副，由于这些摩擦副的相互作用，产生了许多磨损颗粒， 它们以不溶解颗粒的形式均匀的悬浮在润滑油中，这些悬浮的颗粒蕴涵着这些机械设备 摩擦副的磨损特征信息。利用油液分析法分析出磨损颗粒所含金属元素的种类及其浓度、 变化趋势，以此判断设备的磨损故障部位和磨损状态2 1 。北方交通大学的李忠和曾昭翔 等也是通过研究发动机内润滑系统油液中的磨粒，进行铁谱分析。铁谱图中磨粒形态“三 要素一形状、表面纹理和颜色，作为发动机故障诊断的依据热力性能检测法是根据发 动机的输出性能信号来识别其运行状态是否正常。测量热力性能参数并据此判断发动机 状态从而诊断故障的研究已有较长的历史，几乎每台出厂交付使用的发动机都带一些监 测仪表，诸如滑油温度、滑油压力、冷却水温度和转速仪表等。滑油温度、滑油压力、 冷却水温度、排气温度均是易测信号。几乎是每台发动机的必测参数，对于监测发动机 的工况很有效。 发动机性能输出信号指标对于机器的初期失效反应往往不是很敏感，难以发现发动 机的隐含故障因素。当性能指标恶化时，往往预示故障己发展到较为严重的程度，因此 根据发动机性能输出信号进行故障诊断效果并非很理想囚。 就发动机故障具体诊断方法而言，现已涌现出许多诊断方法。尤其是近年来，随着 科学技术的迅猛发展，尤其是人工智能技术研究的不断深入，各种人工智能技术被用在 发动机故障诊断中，其故障诊断的能力也越来越强。神经网络是近十几年来发展起来的 十分热门的交叉学科，涉及生物、电子、计算机、数学、物理的学科，有着千分广泛的 应用背景和前景。英国s h e f i e l d 大学的a m a n d aj c s h a r k e y 和g o p i n a t h0 c h a n d r o t h 等针 对发动机正常情况和四种典型故障( 排气阀泄漏、进气阀泄漏、某一喷油嘴阻塞和喷油不 充分) ，通过对发动机缸内压力、声发和振动信号进行分析，提取表征发动机故障的状态 信息，建立故障诊断模型，实现发动机的故障诊断。 1 2 开发的设计思想及主要工作 为适应公路交通系统发展的需要，确保汽车的行驶安全，用行驶中监测或维修时采 陕西科技大学硕士学位论文 集到的数据，在不对发动机进行解体的情况下能早期发现故障隐患，并在故障发生时快 速定位，这对汽车维修工作中是非常实用且绝对必要的。所以我们提出了基于人工神 经网络技术的汽车发动机故障诊断研究的研究课题。课题的诊断装置采用3 层网络构造 的神经元算法，将以往的故障经验或通过实验等方法获得的故障数据，经过选择和学习， 作为故障模式存储于计算机中，诊断时利用神经网络的一般化性能，在所定的范围内准 确有效地判定故障的部位，使发动机诊断技术向高科技应用迈进一步为了确保本项目的 顺利实施，经过仔细的研究推敲，在神经网络的算法上下了很大的功夫，使网络的构成 合理算法先进且精确，为此使用改进了的b p 算法。我们把诊断所用的方法分为两类，一 为模式识别，二为知识处理。主要工作有：l 、对发动机状态进行分类，把能建立数学故 障模型和物理因果关系的故障模式，按其反映各种状态的参数或特征来选择有限数量具 有代表性的技术状态种类，通过监测状态征兆的测量参数，建造能够并行处理的神经网 络故障识别诊断系统。这类故障包含系统老化故障等。2 、收集、整理和应用已发生的故 障信息，并建立知识库。通过用神经网络算法的故障诊断系统把故障征兆集与故障集按 一定的顺序编码，分别编入输入节点和输出节点，把经验知识和专家知识转化成神经网 络的学习样本，经过特定的学习算法对样本进行学习，通过网络内部自适应算法不断修 正权值，直到符合设定的最小误差为止。 模糊理论最初是由z a d e h 在1 9 6 5 年提出的，其月的是为描述与处理广泛存在的不精 确、模糊的事件和概念提供相应的理论工具。现在人们将它应用在发动机的故障诊断中。 美国o h i 。州立大学的l a u k o n e ne g 和p a s s i n ok m 等根据发动机转速传感器、空气流 量传感器、节气门开度传感器等传感器的输出信号，对发动机相应传感器进行故障诊断。 传感器输出做为故障征兆，通过确立故障征兆与各故障之间的模糊隶属度，建立征兆与 故障的模糊关系，根据模糊变换原理和最大隶属度原则，可对发动机故障进行诊断。 基于神经网络技术的汽车发动机故障诊断研究 2 人工神经网络原理及学习模型 2 1 人工神经网络定义 神经网络是在现代神经生物学和认知科学对人类信息处理研究成果的基础 上提出来的。它是有大量处理单元( 神经元) 广泛互连而成的网络。神经网络信号 处理与传统的数字计算机在处理机制上有根本的不同，它具有大规模并行模拟处 理、连续时间动力学和网络全局等特点，信息的存储体现在神经元之间连接的分 布上。神经网络有很强的自适应和学习能力、鲁棒性和容错能力，从而可以替代 复杂的传统算法，使信号处理更接近于人类的思维活动。利用神经网络的高度并 行运算能力以及分布式信息存储的特点，可以避免模式识别中建模和特征提取的 过程，消除了计算数学模型和特征参数所带来的误差，并实现快速识别，进一步 提高识别系统的能力。人工神经网络没有被普遍接受的定义，但是从事这一领域 研究的工作者都认可这么一种描述：人工神经网络是由许多简单处理单元组成的 网络，每个处理单元可能有一定量的局部存储器：单元间有通信通道相连，通信 通道上载有数据以用于不同的目的：这种单元只对局部数据和由通信通道传来的 输入进行操作，而在人工神经网络的训练中这种限制往往被放松。从以上几个定 义可以看出人工神经网络至少有两个特征，一是其具有学习能力，它可通过样例 进行学习并有对样例进行归纳的能力：另一个是其并行性，因为其处理单元间的 计算很大程度上是相互独立的。 2 2 人工神经网络模型 模型研究是人工神经网络研究的主要方面之一。人工神经网络模型按不同的 标准会产生不同的分类结果。按网络性能可分为连续型和离散型，按网络结构可 分为前馈型和反馈型，按学习方式可分为有教师学习和无教师学习，按照连接突 触性质可分为一阶线性关联网络和高阶非线性关联网络。 9 ； 陕西科技大学硕士学位论文 2 2 1 神经元 人脑是任何一部机器所无法比拟的、精美高效的智能系统。神经元是组成人 脑的最基本单元。人脑的神经元大约有1 0 ”个，其中部是细胞体能对接受到的信 息进行处理。细胞体周围的纤维分为两类，一类是接受信息的，称为树突，另一 类是发出信息的，称为轴突，一个神经元的轴突与另外一个神经元的树突( 或细 胞体、轴突) 的结合部称为突触。树突在从突触接受信号后，就将它传递给细胞 体，信号在那早累积，激起神经元兴奋或抑制，从而决定神经元的状态。当细胞 体内的累积信号累积值超过闽值时，神经元被驱动，沿轴突发送信号到其它神经 元。人脑有如此大量的神经元，每个神经元又大约与1 0 2 1 0 4 个其它的神经元相 连接。形成一个灵活可变的、错综复杂的神经网络。联接方式的多样性导致了行 为方式的多样性。这就是联接主义理论，它是人工神经网络的理论基础。神经元 的结构如图2 1 ( a ) ，( b ) 所示。 ( a ) 人脑神经元( b ) 神经元示意图 图2 1 神经元结构 f i g2 - 1t h es t r u c t u r eo f n e r v em i l l i o n 2 2 2 人工神经元的定义 神经元是神经网络的基本处理单元。神经元的人工模型称为人工神经元。但 是现在使用的人工神经元模型，则是非常简单化的模型。人工神经元作为神经网 络的基本处理单元，它一般是多输入、单输出的非线性结构寺中经元的基本结构 模型如图2 2 所示。 基于神经网络技术的汽车发动机故障诊断研究 x x 2 个厂 i7u t j 一 髟 、 图2 2 神经元基本结构模型 f i 业2t h eb a s i cs 咖c t i l r em o d e lo f n e r v em i l l i o n 图2 2 中的神经元由输入、处理、输出三部分组成，它可接受其它神经元输 出的信号或系统外部引入的信号作为它的输入内容，将这些信号经过一定的处理 后得到一个结果，再以信号形式输出到其它神经元或系统外部。图中各量的关系 如下： = w i j x j + 嘭 i = ，g ) 其中u ，代表神经元的内部状态，x ，为输入信号，为输入端的连接权值即 结合强度，y 为输出信号，只为阀值，是一简单非线性激活函数，又称为神经 元的响应函数。 下面列举几个常用的功能函数： 1 、阀值模型f ( x ) ，用于m - p 模型，h o p f i e l d 模型等。 如图2 3 ( a ) 所示，在这种模型中，输出函数f ( x ) 为一阶跃函数，此模型是 1 9 4 3 年m c c u l l o c h 和p i t t s 提出的，故常称为m p 模型，是最早的二值离散神经元模 型，作为初期神经网络而著名的感知器中曾使用过。 2 、s i g m o i d i 函数模型f ( x ) = _ ，用于b p 模型等。 e x o ( 1 + e l 如图2 3 ( b ) 所示，这种模型中，输入输出连续取值，反映了神经元的准线性 陕西科技大学硕士学位论文 饱和型特性，常用对数或正切等s 状曲线表示。此模型与m p 模型相比，具有平 滑和渐近性并保持单调性神经元性能较高。 i + 1( x 1 ) 3 、分段线性函数f ( x ) = x( 一1 x ：o 夕) 弋，f 1 o r 。，- x f o 。t 、，_ - x f 一 7 ， ， 、，、 ， 二) 、一 l a ) 幌耿 2 3 2 人工神经网络 ( b )由模块构成的网络 图2 4 模块的结构 f i 9 2 - 4t h es t r u c t u r eo f m o d l e 模 输 出 2 3 2 1 人工神经网络的分类方法 神经网络的类型按照网络的拓扑结构，可分为层状的与网状的：按照信息传 递特点，可分为前馈网络与反馈网络；按照系统的特性，可分为静态网络与动态 网络。 1 4 基于神经网络技术的汽车发动机故障诊断研究 a 、按照网络的拓扑结构分： 层状网络模型 如图2 5 ( a ) 所示，将神经元分为若干层，各层顺序连接，第i 层的输入仅与 第i l 层有关。 网状网络模型 如图2 5 ( b ) 所示，任意两个神经元之间可以存在相互联系，分为全互连和部 分互连。 潞 ( a ) 层状网络 输出 输入节点 ( c ) 前馈网络 ( b ) 网状网络 输入 图2 5 典型网络的结构 f i 9 2 5t y p i cs t r u c t u r eo fn e t w o r k b 、按照信息传递特点，神经网络模型可分为： 前馈网络模型 输出 ( d ) 反馈网络 陕西科技大学硕士学位论文 如图2 - 5 ( c ) 所示，网络为层状的，各神经元之间没有反愤联系。第i 层的神 经元只接受第i - 1 层神经元的输出信号。输入节点只表示输入向量的各元素值， 没有计算功能。其它层的节点，表示具有计算功能的神经元，称为计算单元。每 个计算单元可有多个输入，但只有一个输出，可送到多个神经元作为它们的输入。 输入与输出节点层称为可见层，而其它中间层称为隐含层，隐含层的神经元称为 隐单元。 反馈网络模型 如图2 5 ( d ) 所示，每个节点都表示一个计算单元，接受外部的输入和其它节 点的反馈输入，并都直接向岁卜输出。有的反馈网络，还包括神经元自身的反馈。 c 、另外，前馈网络模型为静态模型；反馈网络模型是动态模型。 2 3 2 2 反馈 反馈如图2 7 所示，某一神经元从输入到输出经过变形后，再次作为自身的 输入信号返回的组织。反复对自身进行调整的一种手法，生物体系有各种各样的 调整方式，是为了保证体系的稳定性不可缺少的一种方式。一般的来讲，相互结 合型的神经网络必定包含有反馈，此外，学习过程中也必定含有反馈。反馈有两 种形式：正反馈和负反馈。前者为发振机构，后者为抑制控制机构，是非常重要 的概念。 2 4 学习模型 出 图2 7 反馈回路 f i 9 2 7f e e d b a c kl o o p 2 4 1 自然神经元、神经网络的学习 神经元的学习，是为了达到与其情报处理目的相吻合，而对各神经元之间的 结合强度进行调整的过程。人类如图2 - 9 那样，通过感觉器官的感受器接受到外 基于神经网络技术的汽车发动机故障诊断研究 界的刺激信号，再通过运动器官的效应器控制肌肉，使得各神经活动能够相互配 合，互相协调的进行，体现出各种各样的智能行为。脑在学习过程中非常重要， 例如幼儿期学习发音的过程。首先通过听觉听到母亲的声音，然后模仿发音，再 通过反馈听到自己的声音，与母亲的声音进行比较，判断自己的声音是否正确。 另外外界是在不断地变化的，人类为了能够适应外界，就必须要经常地、不断地 学习。对于神经网络来说，原则上和人类是一样的学习，如果外界有了变化，就 有必要对自身进行调整，作为神经元的学习法，可以说是为了更好地适应外界的 变化。 图2 9 脑神经与外界的关系 f i 9 2 - 9t h er e l a t i o no f b r a i nn e r v ea n do u t s i d e 2 4 2 人工神经网络的学习 2 4 2 1 学习算法 神经网络是个复杂的互连系统，神经元之间的连接形式对网络的性质和功 陕西科技大学硕士学位论文 能产生重大影响。神经网络在网络结构确定以后，连接权值的设计与调整至关重 要。通常，它们是通过学习( 或训练) 来完成的。所谓学习( 或训练) 是指在选定神 经网络的结构( 包括神经元模型和神经元之间的连接形式) 以及给定输入样本集 的条件下，寻找连接权值，使神经网络具有所希望的特性和功能。 学习算法是体现神经网络智能的主体。神经网络的学习算法一般分为两 类：a 、有导师学习算法：又叫监督学习算法，要求同时给出输入和正确的输出， 网络根据当前输出与所要求的目标输出的差来进行调整，使网络做出正确的反 应。它是一种离线学习算法，b p 算法是其中最著名的一种。b 、无导师学习算 法：又叫无监督学习算法，在训练样本集中只给出输入，网络能够逐渐演变到对 输入的某种模式做出特定的反应。其特点是评价标准内藏，学习系统完全按照自 身所处的环境自己评价并调整连接强度。这是一种自组织过程，是一种在线学习 算法，竞争学习算法是其中较典型的一种。 学习系统 尊 信 学习系统 ( a ) 有教师学习( b ) 无教师学习 出 图2 1 0 学习方式 f i 9 2 - 1 0s t u d ym e t h o d 2 4 2 2 几种学习方法举例： 生物体内存在着各种各样的学习方法，这些方法可以被考虑为是在生物进化 过程中所获得的，因此能够按照其各自的目的形成各种巧妙的方法。 人工神经元当然也可以进行具有目的的学习，这时选择适当的学习算法是非 常必要的。对于神经元，为了评价某种性能，可以设定评价基准并以此为目的， 检测其满足程度。例如以模式识别为目的的神经元，是使用识别率作为评价基准 的。 a 、连接权值行列式 神经元单位之间的连接可以用行列式来表示。上述图2 5 ( a ) 中相互结合型网 基于神经网络技术的汽车发动机故障诊断研究 络的行列式表示方法如表2 1 所示，层次型网络可以看作是相互结合型网络的一 个特例。 表2 1 权值行列式 t l b 2 1 、枷u em a t r i x l234567 1 ： ， 彬。彤，彤。， 2 1 ：， 。5。 ， 3 。：，。 5 。， 4 。：， 5 i：，氓，6， 6 ，比：呢， 7 。：，既 ，。 ， b 、过程学习( 纠正误差学习法) 神经元学习的一般过程如图2 一1 0 所示，首先设定权值的初始值，如果对权 值的知识一点也没有的话，可以设定为任意值。然后，对此时的权值输入数据， 并参照评价标准进行评价，根据评价结果调整权值，再进行评价。这种过程反复 进行，直到接近最佳值。 9 图2 - - 1 0 学习过程 f i 9 2 1 0s t u d yp r o c e s s 2 0 输入数据 评价标准 基于神经网络技术的汽车发动机故障诊断研究 3 发动机基础知识常见故障和解决方案 3 1 绪论 汽车从诞生到现在已有1 1 0 多年，其经历了初创、发展、全盛、稳定、改组 再发展等阶段，汽车的不断发展给整个世界带来了巨大的变化。现在，汽车技术正 在发生一次质的变化全面应用现代电子技术成就。这些先进的电子产品主要 用于提高发动机的动力性、经济性和减少排放污染，实现汽车行驶的自动化，提高 汽车的安全可靠性，更新关键的电子元器件( 如各类传感器) ，改进信息显示系统和 娱乐系统。电子技术在汽车上首先应用于发动机。对发动机进行电子控制是提高 汽车的排放性、燃油的经济性以及汽车的行驶性应采取的必要措旌。因此，传统 的化油器汽车发动机作为汽车修理专业的教学仪器设备已经不能满足现代汽车 教学的需要。 3 2 发动机主要技术参数 参数范围精度 转速( r m i n )8 0 0 0 1 充电电流( a ) o 5 02 进气枝管真空度( k p a ) o 1 1 01 o 1 2 0l 温度( o c ) 喷油脉宽( m s ) 0 5 0 01 点火电压( v ) 2 5 0 0 05 充电电压( v ) 1 2 1 4 51 3 3 汽车电脑检测目标 ( 1 ) 各种传感器的性能及动态性能测试：空气流量计、进气歧管真空压力 传感器、转速传感器、上止点位置传感器、节气门位置传感器、氧传感器、水温 传感器、进气温度传感器等的测试。 ( 2 ) 燃油喷射系统的测试：汽油泵性能、喷油嘴、喷油压力、e g r 阀及碳 罐系统性能的测试。 陕西科技大学硕上学位论文 ( 3 ) 其它电路的测试：电子点火典型电路及连接、怠速控制及执行机构、电 子闪光器及电子屯压调节