论文部分内容阅读
发动机是一个结构复杂、运动部件多、多种干扰激励源的系统,通常包括启动系统、燃油供给系统、进排气系统、润滑系统、冷却系统等子系统,有的发动机还包括增压子系统和电子控制子系统,这些子系统在运行过程中多有可能发生故障,对行车安全造成严重的威胁,在国内外都缺乏系统的故障检测手段。本文在研究和比较了各种故障诊断技术的基础上,把神经网络理论和虚拟仪器技术融合应用到电喷发动机故障自诊断中,显著提高了发动机运行的可靠性,并从保证发动机性能、缩短维修时间、减少备件等方面获得了显著的经济效益。本文首先对BP神经网络的基本原理、模型结构、算法设计和应用情况进行了分析,并对BP神经网络的一些改进算法及其训练效果进行了研究。通过系统仿真验证了BP神经网络用于故障自诊断的可行性。然后在分析发动机各信号的组成、解释发动机各传感器所对应的故障现象以及基于LabVIEW编程技术上的信号处理,对表征发动机工作性能特征参数研究,提出并设计了基于虚拟仪器技术的电喷发动机智能化故障诊断测试系统的通用化平台,该平台集成了信号采集技术、信号处理技术和数据库技术以及包含本文新建的故障诊断模型在内的各项智能化故障自诊断技术。最后在该通用化平台上,以废气排放测试项目为例,设计了基于神经网络和虚拟仪器技术的发动机废气排放故障自诊断子系统,并验证了该系统的准确性,有效解决了故障征兆信号的数据采集和存储、信号处理分析以及神经网络诊断推理等设计难点,实现了系统的在线诊断分析功能,提高了系统的诊断精度,加快了系统的开发进度。