基于人工智能和虚拟仪器技术的发动机故障诊断专家系统研究

发布时间：2020-11-18 04:14

　　 汽车发动机是一个复杂系统,其故障约占汽车的全部故障的40%以上。为避免严重事故的发生,需运用故障诊断技术及时了解汽车发动机的工作性能、判断各部件是否处于或即将处于何种故障状态,因此对汽车发动机展开故障诊断技术理论和诊断系统的研究有着非常重要而又现实的意义。然而,我国目前的发动机故障诊断系统尚缺乏一种集多种参数采集、分析处理和诊断推理的通用化平台,同时在分析故障现象和故障原因的非线性关系时,现有的故障诊断理论也不能简单地运用到故障诊断系统中,需要通过分析改进,以得到一个切合实际能解决问题的故障诊断推理模型。 为此,本文系统介绍了用于发动机故障诊断测试的信号采集、信号处理、神经网络、粗糙集理论、虚拟仪器等技术,并对各项技术的原理特点及在故障诊断领域中的应用做了细致的研究和分析。在此基础上提出了一种以虚拟仪器技术为通用化平台,以神经网络推理为主的多种人工智能技术集成的发动机故障诊断测试专家系统,应用效果良好。 论文的主要内容包括: 1.分析了现有各类故障诊断技术方法的结构组成、推理方法、功能特点及其在故障诊断领域中的应用状况,提出本系统诊断推理方法以神经网络推理为主、专家系统为基础和其它各类故障技术方法为辅的设计思路。然后对三种典型神经网络(即BP网络、RBF网络和SOM网络)的基本原理、模型结构、算法设计进行了分析,并对BP网络的一些改进算法进行了研究,对这些改进算法的网络训练效果进行了对比分析,提出了合理选择这些算法的指导思想。 2.对粗糙集理论的基本概念、连续数据离散化方法以及属性指标约简方法进行了详细的分析,并提出了值约简方法中一种提取规则的新算法;然后综合自组织神经网络、决策表约简和BP神经网络,首次建立了一种新型的发动机失火故障诊断模型,并对模型中的数据离散化方法、知识表约简方法以及BP神经网络推理方法的进行了程序设计和应用分析。 3.为解决机械故障诊断中因样本数目大而无法训练或者难以收敛的情况,对集成神经网络技术的基本思想、网络结构、分类组建方法和信息融合方法进行了分析研究,在此基础上结合神经网络一些前处理方法(如聚类分析、主成分分析方法),并首次创建了基于聚类分析和集成神经网络的柴油机性能评估预测模型、基于主成分分析和集成神经网络的发动机废气排放故障诊断模型。
【学位单位】：浙江大学
【学位级别】：博士
【学位年份】：2004
【中图分类】：U472
【部分图文】：

算机平台、硬件、软件以及各种完成应用系统所需要的附件，满足不同专业测量的测试需求。这种特征改变了传统仪器功能固定及难以升级的不足。vi系统从构成要素讲(如图1.2所示)是由计算机、应用软件和仪器硬件组成的;从构成方式讲，则有以DAQ板和信号调理为仪器硬件而组成的PC一DAQ测试系统，以GP工B、VXI、Serail和FieldbuS等标准总线仪器为硬件组成的GPIB系统、VXI系统、串口系统和现场总线系统等多种形式。由图1一2可知，无论哪种VI系统，都是将仪器硬件搭载到笔一记本电脑、台式CP或工作站等各种计算机平台，加上应用软件而构成的。因此，VI系统的发展已经完全跟上计算机技术的发展步伐，同时也显示出VI系统的灵活性与强大生命力。图1.2虚拟仪器测试系统的构成V工与传统仪器的比较见表1一2，其最主要的区别是VI的功能由用户使用时自己定义

漏水、汽缸垫冲坏、水套与汽缸沟通、节温器主阀门脱落、风扇皮带松脱或断裂、水泵轴与叶轮松脱、风扇离合器工作不良等故障，应立即结合相关的故障诊断方法排除故障。图5一1为对发动机冷却水温度信号的监测界面图，可以对发动机的工作温度进行实现监测，在温度过高或过低时进行报警，并对温度的上升或下降等变化趋势进行统计特征分析l’]。图5一1发动机温度监测系统界面图5.3频域分析方法一般故障诊断会包括判断设备是否故障并确定故障存在的部位，以便针对性地采取措施。因此，故障定位问题在设备故障诊断与监测研究中显得尤为重要，而对故障进行定位一种常用的方法就是进行信号的频域分析。所谓频域分析，即是把以时间为横坐标的时域信号通过傅立叶变化换分解为以频率为横坐标的频域信号，从而求得关于原时域信号频率成分的幅值和相位信息的一种分析方法。当机械系统正常运行时

在总体设计中采用了循环控制结构，并设置了发动机起动性能参数、燃油供给系性能参数、冷却系和润滑系的性能参数、点火性能参数、动力性能参数、发动机振动频率参数、废气排放参数和退出系统的选项按钮，图6一9表示了测试系统的主控界面，而在发动机起动性能参数测试模块选用TAB结构，分别测试蓄电池电压、发动机转速、气缸压力等参数，其余测试模块也采用同样的方式设计。图6一9诊断测试系统主控界面测试系统主控界面主要设置了程序选择按钮、文件操作和产品信息。文件操作包括一些必需信息的保存和查询(如发动机型号、车牌号等)，如根据相应的发动机型号可打开相应的数据库文件。产品信息，包括版权信息和帮助文件，版权信息提供了版权情况和开发情况，而帮助文件提供了整个系统的设计情况的和使用情况。
【引证文献】

相关期刊论文 前8条

1 高龙士;计时鸣;;基于Elman神经网络的汽车发动机故障诊断及其实现[J];机械科学与技术;2010年09期

2 任辉林;付建华;;凿岩机液压系统故障诊断研究[J];建筑机械化;2009年10期

3 郑文钟,何勇;基于粗糙集的粮食产量组合预测模型[J];农业机械学报;2005年11期

4 何浩;李刚;张东洋;李大鹏;李侠;;某型号导弹自动驾驶仪测试系统设计[J];测控技术;2012年12期

5 樊鹏杰;姜林;;电力设备在故障诊断中的合理应用办法[J];河南科技;2013年11期

6 刘海波;杨祥;毕晓峰;;基于网络化虚拟仪器技术的虚拟实验室构建[J];通化师范学院学报;2009年02期

7 陈立新;刘福建;何玉灵;;汽车发动机智能故障诊断方法综述[J];仪器仪表与分析监测;2008年02期

8 马金刚;;基于LabVIEW的电控发动机测试系统的设计与实现[J];邢台职业技术学院学报;2013年01期

相关博士学位论文 前8条

1 刘应吉;车辆状态监测与故障诊断新方法研究[D];东北大学;2008年

2 郑文钟;基于数据挖掘和系统集成的农业机械化信息管理系统研究[D];浙江大学;2005年

3 王天真;智能融合数据挖掘方法及其应用[D];上海海事大学;2006年

4 乔金友;农业机械化生产专家系统设计与开发[D];东北农业大学;2007年

5 袁华智;电控汽油/CNG两用燃料发动机故障模拟试验及诊断研究[D];长安大学;2010年

6 胡学发;水压试验机故障诊断与故障预测方法研究[D];东北大学;2008年

7 马驰;提升机危险载荷分析与预警系统研究[D];中国矿业大学;2012年

8 柴文光;基于数据挖掘的信息系统风险评估体系框架研究[D];武汉大学;2009年

相关硕士学位论文 前10条

1 刘业明;潜艇位姿控制系统智能故障诊断技术研究[D];哈尔滨工程大学;2010年

2 张伟;基于专家系统的故障诊断在汽车发动机上的应用[D];太原理工大学;2011年

3 彭思思;海洋救助船主要动力设备监测与诊断系统的研究与设计[D];武汉理工大学;2011年

4 生翔九;并联充电式混合动力驱动系统故障诊断分析仪开发[D];武汉理工大学;2011年

5 杨宝荣;基于LabView的大型风力发电机传动系统轴系故障诊断研究[D];内蒙古大学;2011年

6 陆智俊;卫星故障诊断与维护专家系统的设计与实现[D];复旦大学;2010年

7 赵贞莲;塔式起重机机群故障检测与诊断系统的设计与研究[D];沈阳理工大学;2011年

8 刘立恒;基于LabVIEW的电喷发动机的故障分析与仿真[D];重庆交通大学;2011年

9 杨凯钧;改进型转板式气动数字阀的特性研究[D];浙江工业大学;2010年

10 武伟;数控机床远程监测与故障诊断系统的研究与应用[D];山东科技大学;2011年

本文编号：2888316