本文關(guān)鍵詞：基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷，由筆耕文化傳播整理發(fā)布。

【摘要】：汽車為人們生活工作各個(gè)方面帶來巨大便利,使得不同地區(qū)間往來頻繁,促進(jìn)城鎮(zhèn)一體化。發(fā)動(dòng)機(jī)作為汽車的動(dòng)力源泉,是汽車上最關(guān)鍵的部分。人們對(duì)發(fā)動(dòng)機(jī)的需求由汽車最初誕生時(shí)的動(dòng)力提供,變?yōu)槿缃竦姆�(wěn)定性、可靠性、安全性、經(jīng)濟(jì)性等更高的要求�，F(xiàn)在的發(fā)動(dòng)機(jī)是由電控、機(jī)械、液壓、各種傳感器組成的復(fù)雜系統(tǒng),日趨復(fù)雜的結(jié)構(gòu)增加了發(fā)動(dòng)機(jī)故障發(fā)生的概率。為了能夠及時(shí)監(jiān)測發(fā)動(dòng)機(jī)工況及其汽車尾氣排放狀態(tài),在上個(gè)世紀(jì)80年代以美國為首的西方國家開發(fā)了車載診斷系統(tǒng)(OBD),對(duì)發(fā)動(dòng)機(jī)失火故障等發(fā)動(dòng)機(jī)故障進(jìn)行診斷。與此同時(shí)制定了相關(guān)的法規(guī)標(biāo)準(zhǔn),我國根據(jù)歐盟汽車尾氣排放標(biāo)準(zhǔn)制定了國Ⅲ、國Ⅳ、國Ⅴ等排放標(biāo)準(zhǔn),目的是促使汽車制造廠商降低生產(chǎn)汽車的尾氣排放量。汽車失火故障是指空氣燃油混合氣體不能在發(fā)動(dòng)機(jī)氣缸內(nèi)進(jìn)行正常燃燒,而排放出氣缸的現(xiàn)象。會(huì)有很多原因造成失火故障,如發(fā)動(dòng)機(jī)火花塞不能正常點(diǎn)火、發(fā)動(dòng)機(jī)供油系統(tǒng)故障、氣缸漏氣等。發(fā)動(dòng)機(jī)發(fā)生失火故障不僅降低燃油燃燒效率,同時(shí)對(duì)大氣造成很大污染,也不符合我國尾氣排放標(biāo)準(zhǔn),且如果緊急避車等情況下由于汽車發(fā)生失火故障造成汽車動(dòng)力性不足,會(huì)釀成車毀人亡的慘劇。鑒于以上原因,設(shè)計(jì)一種發(fā)動(dòng)機(jī)失火故障有效診斷的方法顯得尤為重要。本文在物理仿真軟件AMESim軟件平臺(tái)上搭建直列四缸發(fā)動(dòng)機(jī)怠速運(yùn)行模型與發(fā)動(dòng)機(jī)負(fù)載運(yùn)行模型。通過設(shè)置節(jié)氣門控制信號(hào)、通信時(shí)間、失火注入等相關(guān)參數(shù)模擬發(fā)動(dòng)機(jī)11種運(yùn)行工況。提取不同工況下發(fā)動(dòng)機(jī)轉(zhuǎn)速與發(fā)動(dòng)機(jī)曲軸轉(zhuǎn)角位移這兩個(gè)數(shù)據(jù),因?yàn)檫@兩個(gè)數(shù)據(jù)不僅能夠非常直觀地表達(dá)發(fā)動(dòng)機(jī)的運(yùn)行狀態(tài),而且易于測量。在matlab環(huán)境中進(jìn)行處理,將曲軸轉(zhuǎn)角位移經(jīng)過取余等處理后按照一定的曲軸轉(zhuǎn)角位移與發(fā)動(dòng)機(jī)轉(zhuǎn)速比例值進(jìn)行相加處理,成為觀測數(shù)據(jù),并整理成訓(xùn)練樣本與測試樣本。本文對(duì)多種算法進(jìn)行了研究,通過大量仿真實(shí)驗(yàn)的驗(yàn)證,設(shè)計(jì)了一種基于主元分析與遺傳算法改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)。通過基于主元分析法與遺傳算法改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)對(duì)節(jié)氣門控制信號(hào)抖動(dòng)情況下發(fā)動(dòng)機(jī)怠速運(yùn)行狀況與發(fā)動(dòng)機(jī)負(fù)載運(yùn)行進(jìn)行發(fā)動(dòng)機(jī)失火故障診斷狀況(每種運(yùn)行條件都有11種工況)。主元分析法的功能是優(yōu)化概率神經(jīng)網(wǎng)絡(luò)的隱層神經(jīng)元結(jié)構(gòu),利用主元分析法將訓(xùn)練樣本和測試樣本進(jìn)行主元分析,提取相應(yīng)數(shù)目的主元構(gòu)成新的訓(xùn)練樣本與測試樣本。利用11種工況下的新訓(xùn)練樣本與測試樣本訓(xùn)練概率神經(jīng)網(wǎng)絡(luò),通過調(diào)用遺傳算法工具箱gatool利用遺傳算法進(jìn)行全局隨機(jī)最優(yōu)延展常數(shù)(spread)搜尋,提取最優(yōu)spread值,即能使得概率神經(jīng)網(wǎng)絡(luò)在新的訓(xùn)練樣本與測試樣本下分類準(zhǔn)確率最高的spread值。與概率神經(jīng)網(wǎng)絡(luò)、廣義神經(jīng)網(wǎng)絡(luò)、徑向基神經(jīng)網(wǎng)絡(luò)這三種算法比較,基于主元分析法與遺傳算法結(jié)合的概率神經(jīng)網(wǎng)絡(luò)具有分類準(zhǔn)確率高、抗干擾性強(qiáng)等優(yōu)點(diǎn),適合發(fā)動(dòng)機(jī)怠速運(yùn)行及車載運(yùn)行的失火故障診斷。跟已有的發(fā)動(dòng)機(jī)失火故障診斷相比,本文提出的方法具有觀測量易于提取、機(jī)理與數(shù)據(jù)處理簡單、性價(jià)比高、失火氣缸定位準(zhǔn)確、故障診斷準(zhǔn)確率高(接近100%)、抗干擾性好等優(yōu)點(diǎn),具有廣泛的應(yīng)用前景與實(shí)際推廣價(jià)值。
【關(guān)鍵詞】：發(fā)動(dòng)機(jī) 失火故障診斷 概率神經(jīng)網(wǎng)絡(luò) AMESim
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U472.9;TP183
【目錄】：

• 摘要4-6
• ABSTRACT6-11
• 第1章 緒論11-19
• 1.1 課題研究背景與意義11
• 1.2 故障診斷介紹11-13
• 1.3 發(fā)動(dòng)機(jī)失火故障介紹13-16
• 1.3.1 發(fā)動(dòng)機(jī)失火故障定義及原因13-14
• 1.3.2 發(fā)動(dòng)機(jī)失火故障診斷的方法及研究現(xiàn)狀14-16
• 1.4 本文的研究目標(biāo)及主要內(nèi)容16-19
• 1.4.1 本文的研究目標(biāo)16-17
• 1.4.2 本文主要研究內(nèi)容17-19
• 第2章 AMESim軟件與發(fā)動(dòng)機(jī)模型建立19-25
• 2.1 引言19
• 2.2 AMESim軟件介紹19-20
• 2.3 AMESim建模流程20
• 2.4 四缸自然吸氣式直列發(fā)動(dòng)機(jī)（怠速運(yùn)行情況）20-22
• 2.5 四缸自然吸氣式直列發(fā)動(dòng)機(jī)（負(fù)載運(yùn)行情況）22-24
• 2.5.1 簡介22
• 2.5.2 重要元件介紹22-24
• 2.6 本章小結(jié)24-25
• 第3章 概率神經(jīng)網(wǎng)絡(luò)的算法改進(jìn)設(shè)計(jì)25-43
• 3.1 引言25
• 3.2 徑向基神經(jīng)網(wǎng)絡(luò)25
• 3.3 廣義回歸神經(jīng)網(wǎng)絡(luò)25-26
• 3.4 概率神經(jīng)網(wǎng)絡(luò)26-29
• 3.4.1 簡介26-27
• 3.4.2 概率神經(jīng)網(wǎng)絡(luò)二分類問題27-28
• 3.4.3 概率神經(jīng)網(wǎng)絡(luò)多級(jí)分類問題28-29
• 3.5 基于主元分析與遺傳算法改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)29-41
• 3.5.1 主元分析法29-30
• 3.5.2 遺傳算法30-33
• 3.5.3 PCA-GA-PNN算法設(shè)計(jì)33-38
• 3.5.4 gatool工具箱使用38-41
• 3.6 本章小結(jié)41-43
• 第4章 利用PCA-GA-PNN進(jìn)行發(fā)動(dòng)機(jī)失火故障診斷43-71
• 4.1 引言43
• 4.2 發(fā)動(dòng)機(jī)失火故障診斷總體思想43-44
• 4.3 AMESim中發(fā)動(dòng)機(jī)失火故障注入技術(shù)44-45
• 4.4 發(fā)動(dòng)機(jī)節(jié)氣門控制信號(hào)模擬與分析45-47
• 4.5 發(fā)動(dòng)機(jī)轉(zhuǎn)速與發(fā)動(dòng)機(jī)曲軸轉(zhuǎn)角位移預(yù)處理47-50
• 4.6 RBF、GRNN、PNN算法所需相關(guān)變量處理與說明50-51
• 4.7 節(jié)氣門控制信號(hào)抖動(dòng)情況下發(fā)動(dòng)機(jī)怠速運(yùn)行失火故障診斷51-62
• 4.7.1 發(fā)動(dòng)機(jī)不同運(yùn)行工況下仿真實(shí)驗(yàn)與樣本收集51-53
• 4.7.2 基于徑向基神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷53-54
• 4.7.3 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷54-55
• 4.7.4 基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷55-56
• 4.7.5 基于PCA-GA-PNN的發(fā)動(dòng)機(jī)失火故障診斷56-60
• 4.7.6 算法準(zhǔn)確率比較60-62
• 4.8 節(jié)氣門控制信號(hào)抖動(dòng)情況下發(fā)動(dòng)機(jī)負(fù)載運(yùn)行失火故障診斷62-68
• 4.8.1 發(fā)動(dòng)機(jī)不同運(yùn)行工況下仿真實(shí)驗(yàn)與樣本收集62-64
• 4.8.2 基于徑向基神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷64-65
• 4.8.3 基于廣義回歸神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷65
• 4.8.4 基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷65-66
• 4.8.5 基于PCA-GA-PNN的發(fā)動(dòng)機(jī)失火故障診斷66-67
• 4.8.6 算法準(zhǔn)確率比較67-68
• 4.9 基于主元分析與遺傳算法改進(jìn)的概率神經(jīng)網(wǎng)絡(luò)的優(yōu)勢68-69
• 4.10 本章小結(jié)69-71
• 第5章 全文總結(jié)與展望71-73
• 5.1 全文總結(jié)71-72
• 5.2 研究展望72-73
• 參考 文獻(xiàn)73-79
• 作者簡介及在學(xué)期間所取得的科研成果79-81
• 致謝81

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張吉?jiǎng)?梁娜;;基于概率神經(jīng)網(wǎng)絡(luò)的高校畢業(yè)生學(xué)位評(píng)審預(yù)測[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年05期

2 徐光華,屈梁生;基于概率神經(jīng)網(wǎng)絡(luò)的機(jī)組狀態(tài)多步預(yù)報(bào)方法[J];西安交通大學(xué)學(xué)報(bào);1999年07期

3 高宏巖;;概率神經(jīng)網(wǎng)絡(luò)在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J];煤礦機(jī)械;2006年05期

4 姬東朝;宋筆鋒;易華輝;;基于概率神經(jīng)網(wǎng)絡(luò)的設(shè)備故障診斷及仿真分析[J];火力與指揮控制;2009年01期

5 朱明悅;李小申;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法研究[J];制造業(yè)自動(dòng)化;2012年09期

6 劉宇;盧宇;張玉欣;;概率神經(jīng)網(wǎng)絡(luò)在隧道變形位移預(yù)測中的應(yīng)用[J];冶金自動(dòng)化;2012年04期

7 肖玉玲;孫麗娜;;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法研究[J];河南教育學(xué)院學(xué)報(bào)(自然科學(xué)版);2012年03期

8 湯俊;莫依雯;鄧勇;;概率神經(jīng)網(wǎng)絡(luò)在可疑交易監(jiān)測中的應(yīng)用及效率比較[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2013年02期

9 成奇明;張樹京;;概率神經(jīng)網(wǎng)絡(luò)回歸、判別與聚類[J];北方交通大學(xué)學(xué)報(bào);1993年04期

10 段傳學(xué),徐光華,孟光;概率神經(jīng)網(wǎng)絡(luò)的邊界預(yù)報(bào)[J];上海交通大學(xué)學(xué)報(bào);2005年02期

中國重要會(huì)議論文全文數(shù)據(jù)庫 前7條

1 劉建華;張偉江;張仲俊;;概率神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)訓(xùn)練[A];1995中國控制與決策學(xué)術(shù)年會(huì)論文集[C];1995年

2 徐欣;馮道旺;周一宇;盧啟中;;核函數(shù)概率神經(jīng)網(wǎng)絡(luò)脈沖去交錯(cuò)器研究與設(shè)計(jì)[A];第十屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

3 賈勇;何正友;趙靜;;基于小波熵和概率神經(jīng)網(wǎng)絡(luò)的配電網(wǎng)暫降源識(shí)別方法[A];中國高等學(xué)校電力系統(tǒng)及其自動(dòng)化專業(yè)第二十四屆學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

4 王成儒;王金甲;李靜;;一種用于說話人辨認(rèn)的概率神經(jīng)網(wǎng)絡(luò)的MCE訓(xùn)練算法[A];第三次全國會(huì)員代表大會(huì)暨學(xué)術(shù)會(huì)議論文集[C];2002年

5 朱志強(qiáng);樊大帥;張軍;王亮;;基于組合PNN概率神經(jīng)網(wǎng)絡(luò)的車標(biāo)識(shí)別方法[A];全國先進(jìn)制造技術(shù)高層論壇暨第十屆制造業(yè)自動(dòng)化與信息化技術(shù)研討會(huì)論文集[C];2011年

6 薄翠梅;李俊;陸愛晶;張廣明;;基于核函數(shù)和概率神經(jīng)網(wǎng)絡(luò)的TE過程監(jiān)控研究[A];第二十六屆中國控制會(huì)議論文集[C];2007年

7 芮瑞;鮑長春;;基于概率神經(jīng)網(wǎng)絡(luò)的語音與音樂分類[A];第十四屆全國信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張魯?shù)?智能圖像識(shí)別技術(shù)研究[D];渤海大學(xué);2016年

2 周沙;基于概率神經(jīng)網(wǎng)絡(luò)的變壓器局部放電模式識(shí)別研究[D];江蘇大學(xué);2016年

3 王子健;基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷[D];吉林大學(xué);2016年

4 張洪波;基于主成分的概率神經(jīng)網(wǎng)絡(luò)模擬電路故障診斷的研究[D];湖南大學(xué);2008年

5 張海艷;基于自適應(yīng)概率神經(jīng)網(wǎng)絡(luò)的農(nóng)作物蟲情預(yù)測研究[D];蘭州交通大學(xué);2011年

6 榮薇;基于概率神經(jīng)網(wǎng)絡(luò)的漢語耳語音識(shí)別的研究[D];蘇州大學(xué);2008年

7 蘇亮;基于概率神經(jīng)網(wǎng)絡(luò)的焊接結(jié)構(gòu)疲勞壽命分類與預(yù)測[D];長安大學(xué);2012年

8 李旭軍;基于概率神經(jīng)網(wǎng)絡(luò)的質(zhì)量控制研究[D];合肥工業(yè)大學(xué);2006年

9 吳太陽;小波變換和概率神經(jīng)網(wǎng)絡(luò)在脈象信號(hào)分析中的應(yīng)用[D];重慶大學(xué);2007年

10 張衛(wèi)華;基于Alpha穩(wěn)定分布基函數(shù)概率神經(jīng)網(wǎng)絡(luò)的系統(tǒng)故障診斷研究[D];江南大學(xué);2009年

  本文關(guān)鍵詞：基于概率神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)失火故障診斷，由筆耕文化傳播整理發(fā)布。

，

本文編號(hào)：314797