论文部分内容阅读
基于计算机技术、神经网络和专家系统,对发动机故障的及时、准确判断,提高汽车工作效率和维修质量是非常重要的。随着汽车的广泛使用,研究汽车发动机故障诊断系统具有十分重要的意义。本文研究开发的汽车发动机故障诊断系统是将神经网络与专家系统结合在一起,克服了传统专家系统和神经网络各自存在的缺点,使二者融合在一起从而能更好地应用于故障诊断领域。该诊断系统包含有知识库、数据库、推理机、解释部分以及知识获取五个组成部分,系统是在Windows XP的平台上,以MATLAB为数据处理软件,运用面向对象的程序开发语言Visual C++7.1为编程语言和数据库语言Access开发完成的。叙述了神经网络的四种互联模式和神经网络的三种学习算法;介绍了人工神经网络和MATLAB神经网络工具箱;对数据库的连接、MATLAB对Visual C++的调用方法以及在Visual C++中调用MATLAB计算引擎的方法进行了设计。以EQ6102汽油发动机在无负荷时不同转速工况下其废气(CO、CO2、NOx、HC、和O2)排放量为训练样本集,先对样本进行归一化预处理,再用训练样本集创建、训练神经网络,训练成的神经网络用测试样本对发动机气缸的工作状态进行诊断,从而得到气缸是正常工作状态、失火程度较轻状态或失火程度严重状态的具体故障情况;以Visual C++7.1为编程语言,设计人机接口实现系统和用户之间的界面,实现数值的输入和输出;用MATLAB对实验结果进行仿真模拟,充分发挥解释器的作用。对基于BP网络、基于Elman网络、基于PNN概率神经网络和基于RBF网络的四种发动机故障诊断系统进行了训练;取三个样本对故障诊断系统进行了验证;并对这几种诊断方法进行了对比,结果表明:四种网络的正确判断率均为100%,网络完全可以满足汽车发动机故障诊断的要求;Elman网络的识别误差要大一些,但这并不影响实际应用,另外,由于在Elman网络中引入了反馈,使得网络的训练误差曲线要比BP网络平滑。