發(fā)動(dòng)機(jī)故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于汽車(chē)技術(shù)領(lǐng)域,具體涉及一種發(fā)動(dòng)機(jī)故障診斷方法。
【背景技術(shù)】
[0002] 發(fā)動(dòng)機(jī)是汽車(chē)運(yùn)動(dòng)的心臟,決定了汽車(chē)的性能的優(yōu)劣?,F(xiàn)代發(fā)動(dòng)機(jī)已成為集電子 技術(shù)、計(jì)算機(jī)技術(shù)、信息技術(shù)于一體的智能控制系統(tǒng),集成化程度越來(lái)越高、結(jié)構(gòu)也越來(lái)越 復(fù)雜;然而,發(fā)動(dòng)機(jī)的智能性卻使得發(fā)動(dòng)的故障診斷和維修成為制約汽車(chē)工業(yè)發(fā)展的瓶頸。
[0003] 汽車(chē)發(fā)動(dòng)機(jī)系統(tǒng)通過(guò)電子控制手段對(duì)發(fā)動(dòng)機(jī)點(diǎn)火、噴油、空氣與燃油的比率、排放 廢氣等進(jìn)行優(yōu)化控制,使發(fā)動(dòng)機(jī)工作在最佳狀態(tài)。汽車(chē)發(fā)動(dòng)機(jī)系統(tǒng)主要包括電控燃油噴射 系統(tǒng)、電控點(diǎn)火系統(tǒng)、警告提示系統(tǒng)等。
【發(fā)明內(nèi)容】
[0004] 為了對(duì)發(fā)動(dòng)機(jī)的工作狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè),避免發(fā)動(dòng)機(jī)故障帶來(lái)安全事故,本發(fā)明 提供一種發(fā)動(dòng)機(jī)故障診斷方法,根據(jù)采集發(fā)動(dòng)機(jī)運(yùn)行參數(shù)來(lái)判斷發(fā)動(dòng)機(jī)是否有故障。
[0005] 本發(fā)明的技術(shù)方案是:一種發(fā)動(dòng)機(jī)故障診斷算法,包括如下步驟:步驟一:預(yù)處 理:對(duì)發(fā)動(dòng)機(jī)運(yùn)行速度及其對(duì)應(yīng)的振幅、頻率樣本的先驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理,并建立運(yùn) 行速度及其對(duì)應(yīng)的振幅、頻率與發(fā)動(dòng)機(jī)狀態(tài)之間的對(duì)應(yīng)關(guān)系;步驟二:機(jī)器訓(xùn)練:選擇合 適的核函數(shù)并對(duì)其超參數(shù)進(jìn)行魚(yú)群算法優(yōu)化訓(xùn)練,建立合適的R VM模型;步驟三:故障 診斷:采用"一對(duì)一" R VM分類(lèi)器進(jìn)行待測(cè)樣本故障診斷并輸出結(jié)果。所述步驟二中, 核函數(shù)為高斯徑向基核函數(shù)。所述模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化算法步驟流程為:a.輸入模糊神經(jīng) 網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)的三個(gè)神經(jīng)元節(jié)點(diǎn),即機(jī)油溫度Λ/?、機(jī)油壓力和發(fā)動(dòng)機(jī)轉(zhuǎn)速V ;b.將 三個(gè)神經(jīng)元節(jié)點(diǎn)傳遞到模糊化層,對(duì)輸入?yún)?shù)進(jìn)行模糊化,將和化為3個(gè)模糊子 集{positive, zero, negative},將K化為兩個(gè)模糊子集{fast, slow},每個(gè)節(jié)點(diǎn)對(duì)應(yīng)的 第i個(gè)輸入變量的第J個(gè)模糊子集的隸屬度用表示,隸屬度函數(shù)采用高斯函數(shù)表示:
【主權(quán)項(xiàng)】
1. 一種發(fā)動(dòng)機(jī)故障診斷方法,其特征在于:包括如下步驟: 步驟一:預(yù)處理:對(duì)發(fā)動(dòng)機(jī)運(yùn)行速度及其對(duì)應(yīng)的發(fā)動(dòng)機(jī)機(jī)油溫度和發(fā)動(dòng)機(jī)油壓樣本 的先驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理,并建立運(yùn)行速度及其對(duì)應(yīng)的發(fā)動(dòng)機(jī)機(jī)油溫度和發(fā)動(dòng)機(jī)油壓與 發(fā)動(dòng)機(jī)狀態(tài)之間的對(duì)應(yīng)關(guān)系; 步驟二:機(jī)器訓(xùn)練:選擇合適的核函數(shù)并對(duì)其超參數(shù)進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化訓(xùn)練,建 立合適的R VM模型; 步驟三:故障診斷:采用"一對(duì)一" R VM分類(lèi)器進(jìn)行待測(cè)樣本故障診斷并輸出結(jié)果。
2. 根據(jù)權(quán)利要求1所述的發(fā)動(dòng)機(jī)故障診斷方法,其特征在于:所述步驟二中,核函數(shù)為 商斯徑向基核函數(shù)。
3. 根據(jù)權(quán)利要求1所述的發(fā)動(dòng)機(jī)故障診斷方法,其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化 算法步驟流程為: a. 輸入模糊神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)的三個(gè)神經(jīng)元節(jié)點(diǎn),即機(jī)油溫度Λ/?、機(jī)油壓力和發(fā) 動(dòng)機(jī)轉(zhuǎn)速V ; b. 將三個(gè)神經(jīng)元節(jié)點(diǎn)傳遞到模糊化層,對(duì)輸入?yún)?shù)進(jìn)行模糊化,將和化為3個(gè) 模糊子集{positive, zero, negative},將K化為兩個(gè)模糊子集{fast, slow},每個(gè)節(jié)點(diǎn)對(duì) 應(yīng)的第i個(gè)輸入變量的第J個(gè)模糊子集的隸屬度用表示,隸屬度函數(shù)采用高斯函數(shù)表 示:
式中&、q7、Oy分別表示輸入?yún)?shù)、隸屬度函數(shù)的中心及隸屬度函數(shù)的寬度,其中 i=l, 2, 3 -J=I, 2, 3 ;
c. 找出匹配的推理規(guī)則,即通過(guò)與運(yùn)算計(jì)算出每個(gè)規(guī)則的適用度,根據(jù)模糊規(guī)則理 論,推算每個(gè)節(jié)點(diǎn)的使適用度Pi, p^ μ ^ d. 采用重心法進(jìn)行去模糊化,得到模糊神經(jīng)網(wǎng)絡(luò)的輸出F表達(dá)式為
其中是模糊規(guī)則層與去模糊層之間的連接權(quán)值。
【專(zhuān)利摘要】本發(fā)明涉及一種發(fā)動(dòng)機(jī)故障診斷方法,屬于發(fā)動(dòng)機(jī)故障檢測(cè)領(lǐng)域包括如下步驟:步驟一:預(yù)處理:對(duì)發(fā)動(dòng)機(jī)運(yùn)行速度及其對(duì)應(yīng)的油壓、溫度樣本的先驗(yàn)數(shù)據(jù)進(jìn)行歸一化處理,并建立運(yùn)行速度及其對(duì)應(yīng)的振幅、頻率與發(fā)動(dòng)機(jī)狀態(tài)之間的對(duì)應(yīng)關(guān)系;步驟二:機(jī)器訓(xùn)練:選擇合適的核函數(shù)并對(duì)其超參數(shù)進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)算法優(yōu)化訓(xùn)練,建立合適的RVM模型;步驟三:故障診斷:采用“一對(duì)一”RVM分類(lèi)器進(jìn)行待測(cè)樣本故障診斷并輸出結(jié)果。本發(fā)明的檢測(cè)方法利用汽車(chē)發(fā)動(dòng)機(jī)參數(shù)分析法,通過(guò)相關(guān)向量訓(xùn)練歸一化的發(fā)動(dòng)機(jī)狀態(tài)樣本數(shù)據(jù),建立了參數(shù)優(yōu)化的RVM模型,利用該模型進(jìn)行了發(fā)動(dòng)機(jī)故障檢測(cè)實(shí)驗(yàn),該方法魯棒性好,泛化能力加強(qiáng)。
【IPC分類(lèi)】G06N3-02, G01M15-00
【公開(kāi)號(hào)】CN104680234
【申請(qǐng)?zhí)枴緾N201410586491
【發(fā)明人】許其山
【申請(qǐng)人】蕪湖杰諾瑞汽車(chē)電器系統(tǒng)有限公司
【公開(kāi)日】2015年6月3日
【申請(qǐng)日】2014年10月28日