论文部分内容阅读
【摘要】解放CA1121J型载重汽车发动机是燃油喷射系统为泵-管-嘴型的柴油机，其燃油喷射系统很容易出现故障，已成为柴油机的主要故障源，因此研究设计了专门用来诊断柴油机燃油喷射系统故障的专家系统。专家系统采用夹持式压力传感器从柴油机的高压油管上间接采集燃油压力信号，其故障诊断过程是采用模糊识别模块和ANFIS模块分别进行推理。试验结果表明：故障诊断专家系统的诊断误差小，并且具有很强的实用性；ANFIS在系统中的应用，避免了传统故障诊断专家系统存在误诊的缺点。
【关键词】ANFIS；燃油喷射系统；故障诊断；专家系统
【中图分类号】TH 【文献标识码】A
【文章编号】1007-4309（2013）02-0099-3.5
燃油喷射系统是柴油机的重要组成部分，其技术性能直接影响柴油机的工作过程。为了使柴油机燃油喷射系统始终保持良好的技术性能，提高经济效益和社会效益，采用视情维修的方式，即根据先进的故障诊断技术检测的结果，制定维修计划。视情维修可以避免定期维修存在的弊病，即该修的不及时修，发挥不出效能，而且容易酿成交通事故；不该修的提前修了，造成不必要的人力物力浪费，甚至带来因错误拆装所造成的损失。可见视情维修可以提高维修效率，减少维修时间，降低维修成本。要实现视情维修，必须有先进的故障诊断仪器设备，所以研究设计了柴油机燃油喷射系统故障诊断专家系统。
一、专家系统的总体结构
本文设计的燃油喷射系统故障诊断专家系统主要由推理机、知识库、数据库、知识获取机构、解释机构、数据采集处理系统、人机界面等组成。推理机包含了模糊识别模块和ANFIS模块，其中ANFIS在故障诊断专家系统中的运用已成为智能诊断发展领域中一个亮点，它具有故障诊断精度高、自学习能力强的特点。知识库是用来存储某个领域的专业知识和专家的经验，为推理机提供推理所需的知识。数据库被称为工作存储器或动态数据库，也可以说是推理机临时存放数据的场所。知识获取机构是一个应用程序，负责把领域的知识或专家的经验形式化并编码存入知识库中。解释系统是对用户的提问做出解释，还可以及时反映系统出现的错误，为系统的维护提供了方便。数据采集处理系统主要负责采集燃油压力信号，并将信号进行相应处理提取特征参数并存入数据库。人机接口是由应用程序和相应的硬件组成，执行输入输出任务。系统总体结构如图1所示。
二、ANFIS结构及原理
ANFIS（Adaptive-Network-based Fuzzy Inference System）通常被称为基于自适应网络的模糊推理系统，是根据Takage-Sugeno模糊推理系统提出的，是模糊神经网络中的一种，继承了神经网络和模糊推理的优点，它将模糊推理系统中的模糊规则及隶属度函数通过神经网络的自学习来确定，能自动产生模糊规则，克服了以往模糊规则主要根据专家经验设计的缺点。与BP神经网络相比，具有更强的自学习能力和自适应性。其结构如图2所示。
三、ANFIS的算法
ANFIS的算法是一种混合算法，就是将反向传播算法和最小二乘法结合运用。采用反向传播算法确定神经网络中的条件参数，神经网络的条件参数是第一层的高斯隶属度函数的中心和宽度。采用线性最小二乘法来对神经网络的条件参数的中心、宽度进行修正。网络学习时，根据系统实际输出值和目标学习值可以计算出学习误差，然后通过误差反向传播对神经网络的条件参数进行调整，此算法通过给定的条件参数，可以得到结论参数的全局最优点，这样不仅可以减少梯度法中搜索空间的维数，还可以提高参数的收敛速度。
四、故障诊断原理
该系统的故障诊断过程的特点是采用模糊识别模块和ANFIS模块分别进行推理。数据采集处理系统将传感器采集到的信号经过相应处理，得到两种特征参数，分别为几何特征参数（燃油压力波形可以通过波形幅度、上升沿宽度、波形宽度、最大余波宽度等参数来描述，称这些参数为几何特征参数）和函数特征参数（对于实测的信号通过放大和A/D转换等一系列处理后，便可以得到状态的时间序列：{xi，i=1，2，…，n}。通过AR（m）模型来提取状态信息，即建立AR（m）模型来提取状态信息，AR（m）模型中的自回归参数与残差方差反映了原时间历程的内在特征，称为函数特征参数）。两种特征参数输入数据库后，推理机首先读取几何特征参数，模糊识别模块从知识库中调用合适的规则与之匹配，匹配成功后，初步诊断出故障原因；推理机根据初步诊断的结论，再从知识库中调用相应的规则训练ANFIS模型，然后读取函数特征参数并将其输入训练好的ANFIS模型，得到一个输出值，根据输出值验证初步诊断结果正确与否，输出值以数值0.5为界点，大于0.5为初步诊断结论正确，小于0.5为初步诊断结论错误。推理机负责实施了对整个问题的求解推理过程，即调用适当的推理策略推断出结论，比较复杂，所以推理机是该专家系统设计工作的核心。ANFIS在推理过程中能够进行自学习，获得新的规则，并将新规则存入知识库。专家诊断流程如图3所示。
五、系统设计平台
该系统软件以Windows XP为操作系统，MATLAB为编程语言，应用面向对象的编程方法，开发了本故障诊断专家系统，MATLAB是美国Math Works公司于1982年开发的大型数学计算和可视应用软件系统，它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，操作方便的图形用户界面（Grphical User Interfaces），图形用户界面简称GUI，是指人和计算机（或程序）之间交互作用的工具和方法，是完成人与计算机信息交换的必要手段，对一个用户来说，图形用户界面就是他所面对的应用程序。并且在Windows XP环境下提供了开发应用程序非常迅速、快捷的方法，可以很好地实现故障诊断、知识库管理、故障咨询和帮助四个模块的功能。另外，MATLAB包括了许多工具箱，其中模糊逻辑工具箱的图形用户界面（GUI）很容易建立ANFIS（自适应神经模糊推理系统）。利用MATLAB对计算机串口进行操作，MATLAB有面向对象功能，进行串口操作很方便。因此，使用MATLAB平台，可方便地编程实现计算机串口对数据采集卡或示波器的控制，达到数据采集、传输、处理和显示结果的目的。柴油机燃油喷射系统故障诊断专家系统界面如图4所示。 六、故障诊断试验
（一）主要实验仪器设备
1.试验用柴油机
采用CY1105型柴油机。该型柴油机是卧式单缸四冲程柴油机，采用直接喷射；喷油器型号为D06760-53100；喷油器偶件型号：150p255SAB0；喷油泵型号：AK型CAD型单体分列式。
2.试验用传感器
采用AVL夹持式压力传感器。该夹持式传感器具有结构简单和使用方便的特点，将夹持式传感器夹在高压油管合适的部位，实现了对燃油喷射系统的不解体诊断，找出故障源，从而达到了不解体进行故障诊断的目的。该传感器的技术指标：
输出特性D33=380±10%（pC/N）
振动特性≤100g
等效电容400±10%pF
工作温度-45℃—80℃
3.数据采集卡
采用PCC-818HD数据采集卡，其技术指标：
16路单端差分模拟量输入
采样频率100KHz
12位A/D转换。
4.电荷放大器
采用AVL3057电荷放大器，其技术指标：
最大输入电荷105 pC
增益1-1000mV/pC
精度误差<3%
5.其他：测功器、计算机、电源、电线等。
（二）柴油机工作状态的确定
试验时柴油机运转应尽量平稳，本试验采用负载75%测量。其中转速为1300r/min，扭矩为42.6NM，喷油提前角分别为10°、12°、14°。实验时柴油机水温始终保持在80±5℃，采样频率为50kHz。实验总体测试布置如图5所示。
（三）故障诊断试验
选取五个AK型CAD型单体分列式型号的喷油泵，其中有三个喷油泵的柱塞有不同程度的磨损，两个喷油泵无故障，将它们做好“1”、“2”、“3”、“4”、“5”标记，分别安装在CY1105型柴油机上做试验。将传感器夹在高压油管的喷油器端，开始进行试验。首先按下“系统自检”按钮，待显示“系统正常”后，再按下“开始”按钮，对燃油喷射系统故障诊断。其中以喷油泵“2”和喷油泵“3”的诊断结果为例，显示如图6和图7所示。
将试验用的喷油泵拆卸后，发现：喷油泵“1”柱塞有磨损，喷油泵“2”柱塞完好，喷油泵“3”柱塞有磨损，喷油泵“4”柱塞有磨损，喷油泵“5”柱塞完好，拆卸检查事实与专家系统的诊断结果完全一致。试验证明了该专家系统对柴油机燃油喷射系统的故障诊断准确性，避免了拆卸检查，具有很强的实用性。
七、结束语
应用基于ANFIS的柴油机燃油喷射系统故障诊断专家系统对CY1105型柴油机的燃油喷射系统进行故障诊断，试验结果表明：该专家系统采用两步诊断的方法，诊断精度高，充分利用了高压油管提供的燃油压力信息，提取两种特征参数，避免了传统故障诊断专家系统仅选用单一的特征参数进行诊断所带来的误诊现象。ANFIS的自学习特性，丰富了知识库中的规则，提高了故障诊断专家系统对复杂问题的诊断能力。实验用夹持式传感器夹在高压油管的喷油器端采集燃油压力信号，方便快捷。随着研究的不断深入，该专家系统必将更加完善，成熟。
【参考文献】
[1]肖云魁.汽车故障诊断学[M].北京：北京理工大学出版社，2001.7.
[2]许力.智能控制与智能系统[M].北京：机械工业出版社，2006.
[3]王生昌，等.基于自适应模糊神经网络的故障诊断方法[J].汽车工程，2006，28（4）.
[4]虞和济，等.基于神经网络的智能诊断[M].北京：冶金工业出版社，2000（5）.
[6]吕仲军，朱信群.基于神经网络分析的柴油机燃油喷射系统的故障诊断研究[J].车用发动，1999.
[7]李炎新.用Matlab实现高数据采集自动化[J].测控技术，2002，21（11）.
[8]廖素兰，等.柴油机燃油压力波形的变化规律与数据特征[J].测控技术，1999，20（4）.
【作者简介】池俊成：中国人民解放军装甲兵技术学院机械工程系。 程鹏：吉林大学汽车仿真与控制国家重点实验室。 冯建涛中国人民解放军装甲兵技术学院机械工程系。 王羽：吉林大学交通学院。 李明明：吉林大学网络中心。
【关键词】ANFIS；燃油喷射系统；故障诊断；专家系统
【中图分类号】TH 【文献标识码】A
【文章编号】1007-4309（2013）02-0099-3.5
燃油喷射系统是柴油机的重要组成部分，其技术性能直接影响柴油机的工作过程。为了使柴油机燃油喷射系统始终保持良好的技术性能，提高经济效益和社会效益，采用视情维修的方式，即根据先进的故障诊断技术检测的结果，制定维修计划。视情维修可以避免定期维修存在的弊病，即该修的不及时修，发挥不出效能，而且容易酿成交通事故；不该修的提前修了，造成不必要的人力物力浪费，甚至带来因错误拆装所造成的损失。可见视情维修可以提高维修效率，减少维修时间，降低维修成本。要实现视情维修，必须有先进的故障诊断仪器设备，所以研究设计了柴油机燃油喷射系统故障诊断专家系统。
一、专家系统的总体结构
本文设计的燃油喷射系统故障诊断专家系统主要由推理机、知识库、数据库、知识获取机构、解释机构、数据采集处理系统、人机界面等组成。推理机包含了模糊识别模块和ANFIS模块，其中ANFIS在故障诊断专家系统中的运用已成为智能诊断发展领域中一个亮点，它具有故障诊断精度高、自学习能力强的特点。知识库是用来存储某个领域的专业知识和专家的经验，为推理机提供推理所需的知识。数据库被称为工作存储器或动态数据库，也可以说是推理机临时存放数据的场所。知识获取机构是一个应用程序，负责把领域的知识或专家的经验形式化并编码存入知识库中。解释系统是对用户的提问做出解释，还可以及时反映系统出现的错误，为系统的维护提供了方便。数据采集处理系统主要负责采集燃油压力信号，并将信号进行相应处理提取特征参数并存入数据库。人机接口是由应用程序和相应的硬件组成，执行输入输出任务。系统总体结构如图1所示。
二、ANFIS结构及原理
ANFIS（Adaptive-Network-based Fuzzy Inference System）通常被称为基于自适应网络的模糊推理系统，是根据Takage-Sugeno模糊推理系统提出的，是模糊神经网络中的一种，继承了神经网络和模糊推理的优点，它将模糊推理系统中的模糊规则及隶属度函数通过神经网络的自学习来确定，能自动产生模糊规则，克服了以往模糊规则主要根据专家经验设计的缺点。与BP神经网络相比，具有更强的自学习能力和自适应性。其结构如图2所示。
三、ANFIS的算法
ANFIS的算法是一种混合算法，就是将反向传播算法和最小二乘法结合运用。采用反向传播算法确定神经网络中的条件参数，神经网络的条件参数是第一层的高斯隶属度函数的中心和宽度。采用线性最小二乘法来对神经网络的条件参数的中心、宽度进行修正。网络学习时，根据系统实际输出值和目标学习值可以计算出学习误差，然后通过误差反向传播对神经网络的条件参数进行调整，此算法通过给定的条件参数，可以得到结论参数的全局最优点，这样不仅可以减少梯度法中搜索空间的维数，还可以提高参数的收敛速度。
四、故障诊断原理
该系统的故障诊断过程的特点是采用模糊识别模块和ANFIS模块分别进行推理。数据采集处理系统将传感器采集到的信号经过相应处理，得到两种特征参数，分别为几何特征参数（燃油压力波形可以通过波形幅度、上升沿宽度、波形宽度、最大余波宽度等参数来描述，称这些参数为几何特征参数）和函数特征参数（对于实测的信号通过放大和A/D转换等一系列处理后，便可以得到状态的时间序列：{xi，i=1，2，…，n}。通过AR（m）模型来提取状态信息，即建立AR（m）模型来提取状态信息，AR（m）模型中的自回归参数与残差方差反映了原时间历程的内在特征，称为函数特征参数）。两种特征参数输入数据库后，推理机首先读取几何特征参数，模糊识别模块从知识库中调用合适的规则与之匹配，匹配成功后，初步诊断出故障原因；推理机根据初步诊断的结论，再从知识库中调用相应的规则训练ANFIS模型，然后读取函数特征参数并将其输入训练好的ANFIS模型，得到一个输出值，根据输出值验证初步诊断结果正确与否，输出值以数值0.5为界点，大于0.5为初步诊断结论正确，小于0.5为初步诊断结论错误。推理机负责实施了对整个问题的求解推理过程，即调用适当的推理策略推断出结论，比较复杂，所以推理机是该专家系统设计工作的核心。ANFIS在推理过程中能够进行自学习，获得新的规则，并将新规则存入知识库。专家诊断流程如图3所示。
五、系统设计平台
该系统软件以Windows XP为操作系统，MATLAB为编程语言，应用面向对象的编程方法，开发了本故障诊断专家系统，MATLAB是美国Math Works公司于1982年开发的大型数学计算和可视应用软件系统，它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，操作方便的图形用户界面（Grphical User Interfaces），图形用户界面简称GUI，是指人和计算机（或程序）之间交互作用的工具和方法，是完成人与计算机信息交换的必要手段，对一个用户来说，图形用户界面就是他所面对的应用程序。并且在Windows XP环境下提供了开发应用程序非常迅速、快捷的方法，可以很好地实现故障诊断、知识库管理、故障咨询和帮助四个模块的功能。另外，MATLAB包括了许多工具箱，其中模糊逻辑工具箱的图形用户界面（GUI）很容易建立ANFIS（自适应神经模糊推理系统）。利用MATLAB对计算机串口进行操作，MATLAB有面向对象功能，进行串口操作很方便。因此，使用MATLAB平台，可方便地编程实现计算机串口对数据采集卡或示波器的控制，达到数据采集、传输、处理和显示结果的目的。柴油机燃油喷射系统故障诊断专家系统界面如图4所示。 六、故障诊断试验
（一）主要实验仪器设备
1.试验用柴油机
采用CY1105型柴油机。该型柴油机是卧式单缸四冲程柴油机，采用直接喷射；喷油器型号为D06760-53100；喷油器偶件型号：150p255SAB0；喷油泵型号：AK型CAD型单体分列式。
2.试验用传感器
采用AVL夹持式压力传感器。该夹持式传感器具有结构简单和使用方便的特点，将夹持式传感器夹在高压油管合适的部位，实现了对燃油喷射系统的不解体诊断，找出故障源，从而达到了不解体进行故障诊断的目的。该传感器的技术指标：
输出特性D33=380±10%（pC/N）
振动特性≤100g
等效电容400±10%pF
工作温度-45℃—80℃
3.数据采集卡
采用PCC-818HD数据采集卡，其技术指标：
16路单端差分模拟量输入
采样频率100KHz
12位A/D转换。
4.电荷放大器
采用AVL3057电荷放大器，其技术指标：
最大输入电荷105 pC
增益1-1000mV/pC
精度误差<3%
5.其他：测功器、计算机、电源、电线等。
（二）柴油机工作状态的确定
试验时柴油机运转应尽量平稳，本试验采用负载75%测量。其中转速为1300r/min，扭矩为42.6NM，喷油提前角分别为10°、12°、14°。实验时柴油机水温始终保持在80±5℃，采样频率为50kHz。实验总体测试布置如图5所示。
（三）故障诊断试验
选取五个AK型CAD型单体分列式型号的喷油泵，其中有三个喷油泵的柱塞有不同程度的磨损，两个喷油泵无故障，将它们做好“1”、“2”、“3”、“4”、“5”标记，分别安装在CY1105型柴油机上做试验。将传感器夹在高压油管的喷油器端，开始进行试验。首先按下“系统自检”按钮，待显示“系统正常”后，再按下“开始”按钮，对燃油喷射系统故障诊断。其中以喷油泵“2”和喷油泵“3”的诊断结果为例，显示如图6和图7所示。
将试验用的喷油泵拆卸后，发现：喷油泵“1”柱塞有磨损，喷油泵“2”柱塞完好，喷油泵“3”柱塞有磨损，喷油泵“4”柱塞有磨损，喷油泵“5”柱塞完好，拆卸检查事实与专家系统的诊断结果完全一致。试验证明了该专家系统对柴油机燃油喷射系统的故障诊断准确性，避免了拆卸检查，具有很强的实用性。
七、结束语
应用基于ANFIS的柴油机燃油喷射系统故障诊断专家系统对CY1105型柴油机的燃油喷射系统进行故障诊断，试验结果表明：该专家系统采用两步诊断的方法，诊断精度高，充分利用了高压油管提供的燃油压力信息，提取两种特征参数，避免了传统故障诊断专家系统仅选用单一的特征参数进行诊断所带来的误诊现象。ANFIS的自学习特性，丰富了知识库中的规则，提高了故障诊断专家系统对复杂问题的诊断能力。实验用夹持式传感器夹在高压油管的喷油器端采集燃油压力信号，方便快捷。随着研究的不断深入，该专家系统必将更加完善，成熟。
【参考文献】
[1]肖云魁.汽车故障诊断学[M].北京：北京理工大学出版社，2001.7.
[2]许力.智能控制与智能系统[M].北京：机械工业出版社，2006.
[3]王生昌，等.基于自适应模糊神经网络的故障诊断方法[J].汽车工程，2006，28（4）.
[4]虞和济，等.基于神经网络的智能诊断[M].北京：冶金工业出版社，2000（5）.
[6]吕仲军，朱信群.基于神经网络分析的柴油机燃油喷射系统的故障诊断研究[J].车用发动，1999.
[7]李炎新.用Matlab实现高数据采集自动化[J].测控技术，2002，21（11）.
[8]廖素兰，等.柴油机燃油压力波形的变化规律与数据特征[J].测控技术，1999，20（4）.
【作者简介】池俊成：中国人民解放军装甲兵技术学院机械工程系。 程鹏：吉林大学汽车仿真与控制国家重点实验室。 冯建涛中国人民解放军装甲兵技术学院机械工程系。 王羽：吉林大学交通学院。 李明明：吉林大学网络中心。