傅晓林[1]2003年在《电喷汽油发动机故障自诊断设计方法研究》文中研究指明随着对汽车可靠性、安全性和绿色性要求的不断提高,传统的故障诊断、维护方式以及故障的概念已不能满足要求,各种故障自诊技术应运而生。但现在的故障自诊断装置存在一些问题。本文对电喷发动机故障自诊断这一领域进行基础性研究并取得以下初步研究成果。①对现有的国外汽车发动机故障自诊断系统进行了系统的调查分析,梳理分类;指出了现有故障自诊断系统存在的主要问题。②提出了一种综合型的电喷汽油机故障自诊断新方法,该自诊断系统直接对气缸压力等进行检测,综合电路故障及时报警并指示故障部位,可有效地防止发动机“带病工作”造成的经济损失和由于发动机故障引起的排放污染,提高了故障诊断的准确性。③运用故障树理论建立了电喷汽油发动机燃烧故障树模型,较全面的对引起电喷汽油发动机燃烧故障的原因进行了定性、定量分析。④研究了发动机燃烧故障检测原理和故障检测方法;确定了描述发动机工作状态的参数及故障参数选择方法。⑤设计出各种故障信号检测及信号处理电子电路,完成了主要故障的电子仿真。仿真结果与理论分析非常吻合。⑥完成了计算机系统总体设计,给出了故障识别、处理软件的设计思路和方法。⑦全面系统地介绍了各种可能的干扰和抗干扰措施,探讨了保证故障自诊断系统可靠运行的方法。本研究的主要创新点有;①首次提出了一种综合型的电喷汽油机故障自诊断设计方法。②较全面的建立起电喷汽油发动机燃烧故障树模型。③提出一种发动机有效指标定量评价参数确定方法。④应用电子电路对汽车发动机故障进行电子仿真,探索了运用电子技术解决发动机问题的有效途径。
邓日青[2]2008年在《基于神经网络专家系统的电喷发动机故障自诊断研究》文中提出结合计算机技术、神经网络和专家系统进行发动机故障诊断的研究,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。本文以汽车发动机汽缸失火为诊断对象,全面阐述了神经网络和专家系统的基本理论与系统结构。传统专家系统只能处理显性的表面的知识,存在推理能力弱,而且知识获取容易出现瓶颈问题等;而神经网络恰好弥补了专家系统的不足,因此设计了神经网络与专家系统结合在一起的一种新方法,将神经网络和专家系统融合在一起来克服各自存在的缺点,使二者更好地应用于故障诊断领域,将二者融合实现了人工智能在故障诊断上的飞跃。以BP神经网络为基础建立汽车故障诊断专家系统,结合汽车所出现的各种具体故障情况,利用专家提供的样本规则,对网络进行训练,然后利用学成的网络,对汽车故障数据进行处理,便得到了汽车具体的故障情况。具体实施的步骤为:以EQ6102电喷发动机在无负荷时不同转速工况下其废气(CO,CO2,NOX,HC和02)排放量为训练样本集,利用神经网络的学习规则,应用BP网络实现知识的存储,采用数值优化算法完成知识库的组建;采用正向推理机制,使用VB 6.0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;大量收集汽车故障资料,从书本和领域专家那里获得相关的知识;用MATLAB对实验结果进行仿真模拟,充分发挥解释器的作用。神经网络专家系统作为人工智能应用于汽车故障诊断的一个系统,具有实用性强,便于不断扩充等优点,加大了诊断技术在汽车上的应用范围。在理论上,丰富了汽车故障诊断采用智能方法的可行性,使汽车故障诊断水平真正达到专家级别。
参考文献：
[1]. 电喷汽油发动机故障自诊断设计方法研究[D]. 傅晓林. 重庆交通学院. 2003
[2]. 基于神经网络专家系统的电喷发动机故障自诊断研究[D]. 邓日青. 重庆交通大学. 2008