基于智能诊断技术的发动机故障排查研究进展

第２１卷　第１期　重庆电子工程职业学院学报　Ｖｏ１．２１　Ｎｏ．１　２０１２年１月　ｏｕｒｎａｌ　ｏｆ　Ｃｈｏｎ￣ｏｉｎｇ　ＣｏＵｅ￣ｅ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃ　Ｅｎ￣ｉｎｅｅ　ｌａｎ．２０１２　基于智能诊断技术的发动机故障排查研究进展　徐　斌　（涪陵区机动车安全技术检测站，重庆涪陵４０８０００）　摘要：智能诊断技术的研发与运用为汽车的故障诊断开辟了新的途径，基于神经网络的发动机故障　诊断技术是智能诊断技术的重要组成部分　本文对基于ＢＰ神经网络、非ＢＰ神经网络及神经网络与其他技　术相结合的汽车发动机故障诊断的研究进展进行了综述．并对三种发动机故障诊断技术进行了比较，展现　了神经网络技术在智能诊断汽车故障系统中的运用和发展　关键词：神经网络：发动机；故障诊断　中图分类号：ＴＰ３９；ＴＵ　文献标识码：Ａ　文章编号：１６７４—５７８７（２０１２）０１—０１６５—０３　汽车发动机是由多个零部件构成的复杂机械　神经网络是类似人脑功能、由大量简单且相互　系统．随着汽车机动性能的逐步提高．汽车发动机　连接的处理单元组成的复杂网络系统　在网络系统　的系统结构也变得越来越复杂　汽车一旦出现故　中广泛应用的数学模型是误差反传播ＢＰ（Ｂａｃｋ　障．需要对故障进行及时排查。故障的传统诊断方　Ｐｒｏｐａｇａｔｉｏｎ）算法．ＢＰ神经网络的基本原理就是通过　法主要有经验诊断法和简单仪器诊断法．经验法靠　信息的反复输入和输出同时进行正、反向计算，使　人耳聆听异响声音，结合发动机转速、异常部位和　得网络的输出值和期望值接近零差异。基于神经网　温度来判断故障：仪器诊断法是根据检测仪监测到　络建立的数学模型既保持了专家系统的原有功能　的信号时域和频域特征来判断发动机的技术状况。　又具有神经网络的特征．根据这一数学模型获取的　传统诊断法因受个人经验的局限性以及简单仪器　数据信息对发动机故障进行排查　功能的单一性而不能满足现代汽车的故障诊断要　２ｌ世纪初。燕学智［１１等首次将神经网络技术引　求　汽车故障的智能诊断技术是融合了多种技术手　用到发动机故障的诊断．同时基于ＢＰ算法对汽车　段的自主性诊断系统．它是现代工业技术和电子技　发动机的五个故障进行了故障诊断实验测试．测试　术发展的产物．智能诊断技术的开发与运用为汽车　结果证明人工神经网络技术能有效应用于发动机　的故障诊断开辟了新的途径。在智能诊断技术中．　的故障诊断，并指出该技术具有操作简洁方便、快　以学习记忆、联想推测和并行信息处理等为特征的　速直观以及网络参数便于调整等优点。王伟杰［２］等　神经网络发动机故障诊断技术又是其重要组成部　采用单一故障实例证实了ＢＰ神经网络故障诊断正　分．目前这一技术在机动车检测和维修行业方兴未　向推理过程的可行性．阐明了ＢＰ神经网络故障诊　艾　为此．笔者就神经网络用于汽车发动机故障诊　断与传统专家系统正向推理相比的突出优势　在早　断的研究进展进行介绍．以期引起同行对汽车发动　期神经网络故障诊断技术基础上．黄游槟［３１等将多　机故障诊断技术发展动向的关注．准备迎接现代技　个子ＢＰ神经网络整合成一条诊断链．从而对汽车　术的挑战　故障进行分级连续诊断．不断地缩小故障范围直至　１　基于ＢＰ神经网络的汽车发动机故障诊断技术　最终确定故障的具体原因　该方法的创新点在于整　收稿日期：２０１１－１２—０８　作者简介：徐斌（１９７２一），男，重庆涪陵人，重庆涪陵区机动车安全技术监测站，工程师。　ｌ６６　重庆电子工程职业学院学报　第２１卷　合了专家系统的思想．弥补了单一神经网络存在的　结构大、准备和学习难、精度差等缺陷。张延林　等　结合ＢＰ神经网络的理论分析．通过对实际故障的　诊断测试，其结果同样证明了ＢＰ神经网络诊断技　结合起来．通过神经网络模型进行数据分类形成案　例库文件并建立索引．通过输入诊断数据在案例库　中寻找相似案例．最终进行评价修正并获得诊断结　果　神经网络和基于案例推理技术的结合在汽车发　动机故障诊断系统中有效弥补了各自的缺陷．提高　术的良好效果。与此同时，针对ＢＰ网络诊断缺乏专　家经验的不足．张延林也提出了ＢＰ神经网络诊断　技术的改进方法　随着ＢＰ神经网络诊断技术的更　新与推广．近年来汽车发动机故障的诊断效率有了　了诊断的准确性和速度。高慧㈣等利用虚拟仪器开　发软件——ＬａｂＶＩＥＷ．用图形化的直观编程语言提　高了虚拟仪器控制系统的性能。实现了基于图形信　号系统分析的发动机故障诊断　杨旭志［１３１等同样将　很大提高．从实践证明了ＢＰ神经网络的可靠功能　及其应用前景［５一　２　基于非ＢＰ神经网络的汽车发动机故障诊断技术　近年来．在以研究ＢＰ神经网络汽车故障诊断　技术为主的同时．基于非ＢＰ神经网络的研究也有　不少报道　吴勉同等通过分形几何和小波分析进行信号的　收集与处理．以自组织主成分分析作特征降维，采　用一种新的多ＡＲＴ２神经网络对发动机故障状态进　行分类识别．获得了理想的故障排查效果．与ＢＰ算　法相比较，该方法具有实时学习、适应性良好、识别　快速和能自动诊断新故障等优点　陈振ｉｓ１等以捷达　轿车为实验对象．采用包括径向基函数的网络设　计、故障诊断程序构建的ＲＢＦ网络诊断模型诊断发　动机故障　结果表明．相比ＢＰ网络ＲＢＦ网络具有　更强的存储记忆功能和联想推测能力　高龙士［９Ｊ等　利用Ｅｌｍａｎ网络的特点．建立了基于Ｅｌｍａｎ网络的　汽车发动机故障诊断模型．并且通过发动机失火与　尾气成分关联程度的故障识别和诊断验证了模型　的可行性　Ｅｌｍａｎ神经网络的特点在于具有很好的　非线性编辑和关联事件泛化的能力．因此能够在复　杂的故障分析过程中准确地预测和诊断故障。实例　验证结果表明．基于Ｅｌｍａｎ神经网络的数学模型完　全可以对汽车发动机进行故障诊断　李凤春【　０］将主　成分分析法应用于概率神经网络的故障诊断．提出　一种新的故障分析方法　其基本思路是首先利用多　元统计分析方法即主成分分析进行数据转化．以降　低原始数据的维数和数据分析的复杂度．然后利用　概率神经网络进行模式识别和分类。该方法的创新　在于在发动机故障排查中，概率神经网络与主成分　分析的结合大大提高了对复杂数据的识别能力和　运算速度　３　神经网络与其他技术相结合的汽车故障诊断技术　近年来．一些科学工作者在神经网络故障诊断　技术的研究过程中。也结合了其他的技术手段，并　取得一定成效　李小青ｆ１】】等将神经网络和基于案例的推理技术　虚拟仪器和人工神经网络结合起来形成了新的汽　车故障诊断方法．并通过实例分析证实了该方法的　可行性　赵懿冠㈣等通过整合模糊推理系统和神经　网络系统．构建了基于模糊神经网络的发动机故障　诊断方法．该方法集描述模糊概念能力、加强自学　能力和数据处理能力于一身．有效消除了故障诊断　中的模糊性影响．在发动机多故障诊断方面具有明　显优势。最近，周美兰ｌ１５】等开发了基于蚁群神经网络　的电控发动机故障诊断方法。其基本原理是先利用　蚁群算法进行数据处理．然后将处理结果作为神经　网络训练的初始值．以减省ＢＰ神经网络的数据整　理负担，进而优化ＢＰ网络的训练能力。测试结果表　明．该方法可实现对电控发动机故障的快速、准确　及有效诊断　４　三种发动机故障诊断技术的比较　综上所述．以ＢＰ神经网络为代表的神经网络　是汽车发动机故障诊断的重要技术手段　ＢＰ算法　的实质是以误差平方和为目标函数、用梯度法求其　最小值的算法．但由于在算法上存在局部极小点而　产生故障诊断误差．它既有结构简单和非线性模式　识别的优点，但又有训练时间长、学习速度慢和计　算复杂度高等明显缺点。非ＢＰ神经网络算法则基　于属性重要度约简算法提取规则．通过优化训练样　本属性．可避免离散化造成的信息损失．同时通过　简化输入神经元维数．解决因收敛速度慢而陷入局　部极小点的问题　因此．基于非ＢＰ神经网络的汽车　发动机故障诊断技术．由于在算法上具有更快的收　敛速度和更高的训练精度．可以获得较快的故障诊　断效果。但因其有线性模式识别的特点，数学建模　过程复杂，在发动机故障排查中往往因非线性故障　因子的作用而降低诊断的准确性。神经网络与其他　技术相结合的汽车故障诊断技术，在算法上以神经　网络的非线性与泛化为数学特征，并采用图形化编　程语言对发动机系统进行虚拟控制，适用于发动机　故障分析过程的复杂性和实际工况下的非线性，因　而能对汽车发动机不同故障进行较准确地预测、定　第１期　徐斌：基于智能诊断技术的发动机故障排查研究进展　究Ｕ１．山东交通学院学报，２０１１，（１）：１４—１７．　１６７　位和诊断　基于神经网络的汽车发动机故障诊断方法是　目前诊断汽车故障非常有效且重要的技术手段　多年来的理论研究和方法改进也使神经网络的　『７１吴勉，邵惠鹤．小波一分形一多ＡＲＴ２神经网络在汽车发动　机故障识别ｑ－的应用　．机械设计与制造，２００２，（６）：６－７．　『８］陈振，孙红旗，刘新柱．基于人工神经网络的发动机故障　诊断【Ｉ】．农机化研究，２００８，（９）：２０２—２０５．　ｆ９］高龙士，计时鸣．基于Ｅｌｍａｎ神经网络的汽车发动机故障　诊断技术得到了不断的提升　然而．单一的神经　网络故障诊断技术仍存在较多缺陷．例如学习速　度慢、网络训练失败可能性大、没有完整的理论　诊断及其实现『）１＿机械科学与技术，２０１０，（９）：１２０９－１２１２．　［１Ｏ１李凤春．基于ＰＣＡ和ＰＮＮ的发动机故障诊断研究Ｕ】．　网络安全技术与应用，２０１０，（６）：５８—６０．　指导、训练能力和预测能力无法同步等　因此，面　对越来越复杂的发动机故障系统．只有将多种智　能技术结合起来才能克服单一诊断方法的不足，　达到方便、快速、准确、可靠的故障诊断效果。　参考文献：　…燕学智，钱耀义．基于人工神经网络技术的发动机故障诊　断系统ｕ１＿内燃机工程，２００１，（１）：７８—８１．　【２】王伟杰，赵学增，黄文涛．基于ＢＰ网络的故障诊断正向　推理方法［Ｊ１ｌ车用发动机，２００１，（８）：３３—３５．　【３】黄游槟，薛建彬．基于ＢＰ神经网络的汽车故障诊断的研　究【『ｌｌ机械制造与自动化，２００６，（３）：１４６—１４８，　ｆ１１１李小青，李翔晟．基于神经网络与案例推理的发动机故　障诊断研究［Ｉ１．煤矿机械，２００７，（３）：１８８—１９０．　【１２１高慧，傅晓林．基于ＬａｂＶＩＥＷ的ＢＰ算法及其在发动机　故障诊断ｑ－的应用Ｕ１．重庆交通大学学报版），２０１０，（５）：８００—８０３．　（自然科学　（１３１杨旭志，高俊文，廖中文．基于虚拟仪器和神经网络的汽　车发动机故障诊断方法的研究［Ｉ１．农业装备与车辆工　程，２０ｌ１，（４）：３３—３６．　【１４１赵懿冠，骆诗定，廖红云，苏欣平，肖云魁．基于模糊神经　网络的汽车发动机故障诊断【Ｊ】．军事交通学院学报，　２（）１０。（６）：４７—５１．　［４１张延林，佟德军．Ｂｐ神经网络的汽车故障诊断系统【Ｉ】自　动化仪表，２００９，（４）：１１—１３．　［５】华欣．汽车发动机故障神经网络模式识别及试验研究　电脑编程技巧与维护，２００９，（２２）：９２．　『１５１周美兰，敖雪．基于蚁群神经网络的电控发动机故障诊　断研究Ｕ】．黑龙江大学自然科学学报，２０１１，（３）：４１５—　４２０．　郭荣春，高树文基于神经网络的汽车发动机故障诊断研　责任编辑李燕　Ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｅｎｇｉｎｅ　Ｆａｕｌｔ　Ｉｎｖｅｓｔｉｇａｔｉｏｎ　Ｂａｓｅｄ　Ｏｌｌ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｄｉａｇｎｏｓｉｓ　Ｔｅｃｈｎｏｌｏｇｙ　ＸＵ　Ｂｉｎ　（Ｍｏｔｏ￣Ｖｅｈｉｃｌｅ　Ｓａｆｅｔｙ　Ｉｎｓｐｅｃｔｉｏｎ　Ｓｔａｔｉｏｎ，Ｆｕｌｉｎｇ　Ｃｈｏｎｇｑｉｎｇ　４０８０００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ａｎｄ　ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　ｔｈｅ　ｉｎｔｅｌｌｉｇｅｎｔ　ｄｉａｇｎｏｓｉｓ　ｔｅｃｈｎｏｌｏｇｙ　ｈａｖｅ　ｂｒｏｋｅｎ　ａ　ｎｅｗ　ｐａｔｈ　ｆｏｒ　ａｕｔｏｍｏｂｉｌｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ．Ｅｎｇｉｎｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｔｅｃｈｎｏｌｏｇｙ　ｉｓ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｐａｒｔ　ｏｆ　ｓｕｃｈ　ｔｅｃｈｎｏｌｏｇｙＩｎ　ｔｈｉｓ　．ｐａｐｅｒ，ａｎ　ｏｖｅｒｖｉｅｗ　ｏｆ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ａｕｔｏｍｏｂｉｌｅ　ｅｎｇｉｎｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ｒｅｓｅａｒｅｈ　ｗｈｉｃｈ　ｉｓ　ｂａｓｅｄ　０ｎ　ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ，ｎｏｎ－ＢＰ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ａｎｄ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｉｎ　ｃｏｍｂｉｎａｔｉｏｎ　ｗｉｔｈ　ｏｔｈｅｒ　ｔｅｅｈｎｏｌｏｇｉｃＳ　ｉｓ　ｇｉｖｅｎ　ａｎｄ　ｔｈｅ　ｔｈｒｅｅ　ｔｅｃｈｎｏｌｏｇｉｅｓ　ｏｆ　ｅｎｇｉｎｅ　ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ　ａｒｅ　ｃｏｍｐａｒｅｄｗｈｉｃｈ　ｓｈｏｗｓ　ｔｈｅ　ａｐｐｌｉｃａｔｉｏｎ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｔｈｅ　，ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｔｈｅ　ａｕｔｏｍｏｂｉｌｅ　ｆａｕｌｔ　ｉｎｔｅｌｌｉｇｅｎｔ　ｄｉａｇｎｏｓｉｓ　ｓｙｓｔｅｍ．　Ｋｅｙ　ｗｏｒｄｓ：ｎｅｕｒａｌ　ｎｅｔｗｏｒｋ；ｅｎｇｉｎｅ；ｆａｕｌｔ　ｄｉａｇｎｏｓｉｓ