论文部分内容阅读
随着21世纪的到来,人类对生存环境、资源的有效利用、空气污染越来越关注。为了节约能源、保护环境、实现社会可持续发展,我国汽车工业开始对混合动力汽车(HEV)进行积极的研究与开发。为了提高HEV整体和各系统的安全性,迫切需要在产品开发研制阶段就建立一系列汽车故障诊断系统,得出结论以求设计改进或采取必要的措施,防止系统灾难性事故的发生,这就需要研究和应用汽车故障诊断技术。 汽车故障诊断技术是以工程数学、可靠性理论、信息理论为基础;以电子技术、计算机技术、人工智能技术为手段的一门综合应用技术。在过去的十几年里得到了飞速发展,产生了一些新的理论与方法如:主元分析、遗传算法、小波变换、神经网络、模糊系统、模式识别、自适应理论、非线性理论等。其中,人工神经网络的研究迅速发展,为系统的故障诊断开辟了一条新的途径。 本文对国内外汽车故障诊断技术的发展、汽车故障的种类与特点、汽车故障的诊断方法、故障诊断系统的基本诊断过程和理论方法进行了深入的分析。根据神经网络的特点,指出神经网络与故障诊断结合的可行性和必然性。在讨论了神经网络的基本理论基础上,明确神经网络应用于故障诊断的三种途径。 前馈型BP网络具有极强的模式识别和分类能力。本文从应用角度分析了网络设计中的网络的层数、隐含层的神经元数、初始权值、学习速率、期望误差的选取问题,并提出了相应的改进方法。通过汽车故障诊断专家系统实例的应用与仿真,表明其方法的实用性以及诊断结果的准确性和可靠性。 汽车故障诊断中可利用的信息很多,只有充分有效融合有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性。本文分析了单子神经网络进行故障诊断的特点,构架了集成神经网络的故障诊断模型,研究了集成神经网络的建模方法、组建原则和实现策略,并结合汽车发动机故障诊断实例进行了仿真分析,结果表明利用神经网络信息融合进行汽车故障诊断是一种有效的方法,能够获得对故障状态的最优估计与判决。