标题 | 基于BP神经网络的电控发动机故障诊断 |
范文 | 王书提等![]() ![]() ![]() 摘 要: 针对汽车发动机电控系统结构的复杂性,提出用BP神经网络进行故障诊断的方法。以北京现代05款途胜G4GC型发动机电控系统为实验,并对其进行故障设置,采集发动机故障数据流,运用BP神经网络构建诊断模型,并且改变BP训练方法。诊断结果表明用BP神经网络诊断发动机电控系统故障是行之有效的,具有较好的应用前景。 关键词: 汽车发动机; 电控系统; BP神经网络; 故障诊断 中图分类号: TN711?34; TP183 文献标识码: A 文章编号: 1004?373X(2015)09?0128?04 Abstract: Since the complexity structure in electronic control system of the automobile engine, the method of engine fault diagnosis based on BP neural network is put forward. The electronic control system of Beijing Hyundai Tucson 05 G4GC engine as the experiment example, firstly some fault assumptions are set up, and the fault data flow of engine is collected, then a fault diagnosis model is built by BP neural network and BP training method is changed. The diagnosis result shows that it is effective to apply BP neural network to diagnose faults in engine electronic control system, and has better application prospect. Keywords: automobile engine; electronic control system; BP neural network; fault diagnosis 0 引 言 随着电子控制技术的发展,其在汽车中的应用越来越广,对汽车技术的发展具有促进作用,电控技术提高了汽车发动机的性能。由于发动机电控系统的复杂性,一旦发动机电控系统出故障,往往会增加诊断故障的难度。与此同时,利用人工神经网络研究汽车故障,取得了比较理想的效果。 人工神经网络(Artificial Neural Networks,ANNs),也称为神经网络(NNs),是模拟生物神经网络进行信息处理的一种数学模型。它以对大脑的生理研究成果为基础,其目的在于模拟大脑的某些机理与机制,实现一些特定的功能。目前,人工神经网络已应用于很多领域。 本文以北京现代05款途胜G4GC型发动机电控系统为例,利用BP神经网络,采集发动机故障数据流,并对发动机电控系统故障进行研究。 1 BP神经网络 1.1 BP神经网络结构 BP神经网络是一种多层前馈型神经网络,其神经元的传递是[S]型函数,输出量为0~1之间的连续量,它可以实现从输入到输出的任意非线性映射。由于权值的调整采用方向传播学习算法,因此也常称其为BP网络(Back Propagation Network)。 BP神经网络通常由输入层、隐层和输出层组成,每个层包含多个单神经元,层内部的神经元间是没有连接的,而层间的神经元是全部连接的。隐层可以有一个或多个层, 隐层中的神经元均采用[S]型传递函数,输出层的神经元采用线性传递函数。BP神经网络的结构图如图1所示。 1.2 BP神经网络算法 无论是函数逼近还是模糊识别,都必须对神经网络进行训练。训练前需要样本,样本中包含输入向量[P]以及相应的期望输出向量[T,]训练中需要不断调整权值和阈值,使得神经网络的表现函数达到最小。BP网络表现函数默认为网络输出[a]和期望输出向量[T]的均方差msa。 从上述过程可以看出,权值和阈值的修正是在所有样本输入后,计算其总的误差后进行的,这种修正方式称为批处理。在样本比较多的情况下,批处理方式比分别处理方式的收敛速度快。 2 BP网络在发动机电控系统故障诊断中的应 用实例 2.1 发动机电控系统故障设置和数据流采集 本文以北京现代05款途胜G4GC型发动机电控系统为例,对其进行故障设置,利用金德KT600电脑故障诊断仪采集数据流。以发动机在正常怠速、节气门位置传感器信号线开路、某缸喷油器信号线开路、冷却水温传感器信号线开路、某两个缸点火信号线路开路和氧传感器信号线开路六种状态时,采集数据流,采集的数据流分别如 在程序中,p中的数据为训练样本数据归一化处理后的数据;在t中以000001表示发动机正常怠速时的状态,以000010表示节气门位置传感器信号线开路时的状态,以000100表示某缸喷油器信号线开路时的状态,以001000表示冷却水温传感器信号线开路时的状态,以010000表示某两个缸点火信号线路开路时的状态,以100000表示氧传感器信号线开路时的状态。在创建BP网络时,第一次采用‘trainlm训练,生成的误差曲线如图2所示;第二次采用‘traingd训练,生成的误差曲线如图3所示。 由图2和图3可以看出,当采用‘trainlm训练时,只用训练次数55,用时1 s,就达到预期误差0.001;而当采用‘traingd训练时,当达到最大训练次数2 000时,还没达到预期误差0.001,由此可以看出,采用‘trainlm训练时,训练次数少,用时短,且速度快。因此,当设计BP网络时,应采用‘trainlm训练。 3 结 论 电控技术提高了发动机的工作性能,同时也增加了发动机电控系统故障诊断的难度。本文以北京现代05款途胜G4GC型发动机电控系统为研究对象,介绍了BP神经网络的结构和算法,采集发动机故障数据流,运用BP神经网络对发动机电控系统进行故障诊断,同时改变训练方法,用BP网络训练后,可以看出,BP神经网络可以快速、准确地诊断出故障。本文研究结果能给汽车维修人员提供参考价值,同时,BP神经网络也可以运用到其他故障诊断工程领域。 参考文献 [1] 周开利,康耀红.神经网络模型及其Matlab仿真程序设计[M].北京:清华大学出版社,2005. [2] 张德丰.Matlab神经网络应用设计[M].北京:机械工业出版社,2009. [3] 孙祥,徐流美,吴清.Matlab 7.0[M].北京:清华大学出版社,2005. [4] 李友才,巴寅亮.基于BP神经网络的电控发动机故障诊断应用研究[J].郑州轻工业学院学报:自然科学报,2008(10):104?107. [5] 刘艳春,杨德辉,刘艳丽,等.基于神经网络的某型飞机发动机故障诊断研究[J].电子设计工程,2012(6):89?92. [6] 邓日青,傅晓林.基于BP神经网络的电喷发动机故障诊断研究[J].北京汽车,2007(6):7?10. [7] 程瑞琪.人工神经网络技术在设备故障诊断中的应用[J].机械研究与应用,1999(6):13?14. [8] 孙帆,施学勤.基于Matlab的BP神经网络设计[J].计算机与数字控制,2007(8):124?126. [9] 吕彩琴.汽车发动机电控技术[M].北京:国防工业出版社,2009. [10] 史忠植.神经网络[M].北京:高等教育出版社,2009. 技术文 |
随便看 |
|
科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。