吳傳仁

摘 要：眾所周知，發(fā)動(dòng)機(jī)對(duì)汽車來(lái)說(shuō)具有重要的作用，因此，對(duì)汽車發(fā)動(dòng)機(jī)的故障進(jìn)行診斷越來(lái)越受到人們的重視，由于可以利用人工神經(jīng)網(wǎng)絡(luò)對(duì)輸入以及輸出參數(shù)進(jìn)行非線性的映射，所以，采用改進(jìn)的BP網(wǎng)絡(luò)模型能夠?qū)Ω鱾€(gè)參數(shù)實(shí)行動(dòng)態(tài)的識(shí)別與仿真。利用人工神經(jīng)網(wǎng)絡(luò)原理，針對(duì)BP網(wǎng)絡(luò)模型進(jìn)行相關(guān)的改進(jìn)，最后對(duì)汽車發(fā)動(dòng)機(jī)的相關(guān)參數(shù)進(jìn)行識(shí)別與仿真，實(shí)現(xiàn)汽車發(fā)動(dòng)機(jī)的故障檢測(cè)工作。

關(guān)鍵詞：仿真技術(shù)；汽車發(fā)動(dòng)機(jī)；BP網(wǎng)絡(luò)模型；故障檢測(cè)

現(xiàn)今，對(duì)于絕大多數(shù)汽車的發(fā)動(dòng)機(jī)來(lái)說(shuō)，其內(nèi)部的傳感器設(shè)備一般比較容易發(fā)生損壞，而傳感器的損壞通常會(huì)使得發(fā)動(dòng)機(jī)的狀態(tài)分析結(jié)果出現(xiàn)比較大的偏差，因此，為了盡可能地降低分析偏差，我們適當(dāng)?shù)馗倪M(jìn)了人工神經(jīng)BP網(wǎng)絡(luò)模型，增強(qiáng)其自適應(yīng)的能力，優(yōu)化網(wǎng)絡(luò)的收斂速度以及收斂方向，并且為其編制了對(duì)應(yīng)的程序。下面我們利用人工神經(jīng)網(wǎng)絡(luò)原理對(duì)BP網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，并對(duì)汽車發(fā)動(dòng)機(jī)的相關(guān)參數(shù)進(jìn)行識(shí)別與仿真。

一、選取仿真參數(shù)

我們知道，對(duì)于汽車發(fā)動(dòng)機(jī)來(lái)說(shuō)，每轉(zhuǎn)的噴油量對(duì)于發(fā)動(dòng)機(jī)的運(yùn)行情況具有重要的影響，因此，我們需要對(duì)汽車發(fā)動(dòng)機(jī)每轉(zhuǎn)的噴油量進(jìn)行判別與仿真操作。在實(shí)行上述操作之前，我們需要先對(duì)仿真參數(shù)進(jìn)行科學(xué)地分析，并且選取與其具有關(guān)聯(lián)的參數(shù)進(jìn)行輸入，如果選取的參數(shù)不當(dāng)，將有可能影響到結(jié)果精度。

本文選取的全部的參數(shù)都來(lái)自于奧迪A6型汽車所使用的1.8T的電噴發(fā)動(dòng)機(jī)，我們總共選取了60組數(shù)據(jù)、7個(gè)參數(shù)以及30個(gè)節(jié)點(diǎn)，具體數(shù)據(jù)如下表所示：

■

通過(guò)人工神經(jīng)網(wǎng)絡(luò)對(duì)輸出參數(shù)實(shí)行訓(xùn)練操作前，我們還需要將全部的輸入?yún)?shù)以及輸出參數(shù)進(jìn)行歸一化處理，確保各個(gè)參數(shù)的具體數(shù)值位于0～1之間，從而降低計(jì)算的工作量，避免擴(kuò)大誤差。

二、對(duì)仿真的結(jié)果進(jìn)行分析

■

樣本點(diǎn)k

上圖表示的是汽車發(fā)動(dòng)機(jī)在各種不同的工況狀態(tài)下，利用網(wǎng)絡(luò)對(duì)數(shù)據(jù)實(shí)行仿真后，其計(jì)算值和實(shí)際值間的比較結(jié)果。我們從上圖可以看到，實(shí)際值與仿真值幾乎具有一樣的趨勢(shì)變化。在實(shí)際的仿真試驗(yàn)中，實(shí)際值與仿真值之間所具有的誤差大約維持在0.04內(nèi)，而它們的平均相對(duì)誤差大約是3%，這就說(shuō)明該仿真技術(shù)基本能夠滿足汽車發(fā)動(dòng)機(jī)的現(xiàn)場(chǎng)在線監(jiān)測(cè)以及故障診斷工作，進(jìn)而解決了因?yàn)閭鞲衅饕讐牡仍蚨鸬脑\斷不可靠問(wèn)題。

從上面的例子，我們可以看出：對(duì)于改進(jìn)后的BP網(wǎng)絡(luò)模型，通過(guò)實(shí)際驗(yàn)證可以應(yīng)用于汽車發(fā)動(dòng)機(jī)的故障檢測(cè)過(guò)程，而其具體的應(yīng)用方式就是對(duì)BP網(wǎng)絡(luò)模型進(jìn)行在線運(yùn)行操作，并比較網(wǎng)絡(luò)的輸出值和傳感器的實(shí)際值，若其超過(guò)了事先設(shè)定的閾值，我們就可以說(shuō)汽車發(fā)動(dòng)機(jī)中的傳感器出現(xiàn)了故障。

通過(guò)上面的敘述，我們可以看到：本文主要利用改進(jìn)的BP算法去改修神經(jīng)網(wǎng)絡(luò)所具有的各個(gè)參數(shù)，同時(shí)，以?shī)W迪A6型汽車的1.8T電噴發(fā)動(dòng)機(jī)為例進(jìn)行了參數(shù)仿真試驗(yàn)。我們從實(shí)際的仿真效果上看，該方法具有一定的可行性。雖然該方法能夠檢測(cè)汽車發(fā)動(dòng)機(jī)的故障，然而，如何對(duì)汽車發(fā)動(dòng)機(jī)的相關(guān)故障進(jìn)行定位操作還有待于我們進(jìn)一步深入地研究。

參考文獻(xiàn)：

邱浩，王道波，張煥春.控制系統(tǒng)的故障診斷方法綜述[J].航天控制，2004（2）.