基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于發(fā)動(dòng)機(jī)故障診斷領(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)是汽車運(yùn)動(dòng)的心臟，決定了汽車的性能的優(yōu)劣。現(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工業(yè)發(fā)展的瓶頸。
[0003] 汽車發(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] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障檢測(cè) 方法，通過(guò)分析尾氣排放中各類氣體的檢測(cè)數(shù)據(jù)進(jìn)行預(yù)判，從而提前排除故障隱患。
[0005] 本發(fā)明的技術(shù)方案是：一種發(fā)動(dòng)機(jī)故障診斷方法，包括如下步驟：步驟一：采集汽 車尾氣的初始樣本數(shù)據(jù)；步驟二：建立小波神經(jīng)網(wǎng)絡(luò)診斷模型，輸入采集的數(shù)據(jù)樣本，進(jìn)行 樣本訓(xùn)練；步驟三：樣本訓(xùn)練完成后，輸入采集到的實(shí)時(shí)數(shù)據(jù)，進(jìn)行故障診斷分析，輸出故 障類型。所述步驟一中汽車尾氣的初始樣本數(shù)據(jù)包括CC^HCAO 1和O2的含量百分?jǐn)?shù)。所 述小波神經(jīng)網(wǎng)絡(luò)故障診斷模型包括輸入層、隱含層和輸出層，隱含層選取的神經(jīng)元激勵(lì)函 數(shù)為Morlet小波：
【主權(quán)項(xiàng)】
1. 一種基于小波神經(jīng)網(wǎng)絡(luò)的發(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：采集汽車尾氣的初始樣本數(shù)據(jù)； 步驟二：建立小波神經(jīng)網(wǎng)絡(luò)診斷模型，輸入采集的數(shù)據(jù)樣本，進(jìn)行樣本訓(xùn)練； 步驟三：樣本訓(xùn)練完成后，輸入采集到的實(shí)時(shí)數(shù)據(jù)，進(jìn)行故障診斷分析，輸出故障類型。
2. 根據(jù)權(quán)利要求1所述的基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所 述步驟一中汽車尾氣的初始樣本數(shù)據(jù)包括COyHC^CO 1和02的含量百分?jǐn)?shù)。
3. 根據(jù)權(quán)利要求1所述的基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所 述小波神經(jīng)網(wǎng)絡(luò)故障診斷模型包括輸入層、隱含層和輸出層，隱含層選取的神經(jīng)元激勵(lì)函 數(shù)為Morlet小波：
4. 根據(jù)權(quán)利要求1所述的基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所 述輸入層的目標(biāo)誤差函數(shù)為：
式中：QUOTE I I為輸出層第η個(gè)結(jié)點(diǎn)的期望輸出；QUOTE g ^為網(wǎng)絡(luò)實(shí)際輸出， P為輸入輸出樣本數(shù)目。
5. 根據(jù)權(quán)利要求1所述的基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所 述隱含層的輸出為
式中：為輸入層輸入；隱含層輸出；m為輸入層結(jié)點(diǎn)；k為隱含層結(jié)點(diǎn)；wkm 為隱含層節(jié)點(diǎn)和輸入層節(jié)點(diǎn)之間的權(quán)值；h (·)為Morlet小波函數(shù)。
6. 根據(jù)權(quán)利要求1所述的基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法，其特征在于：所 述輸出層的輸出為：
式中：J丨丨為輸出層輸入；k為隱含層結(jié)點(diǎn)；η為輸出層結(jié)點(diǎn)；w n k為隱含層節(jié)點(diǎn)與輸 出層節(jié)點(diǎn)之間的權(quán)值；sig (·)為Sigmod函數(shù)。
【專利摘要】本發(fā)明涉及一種基于小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷方法,屬于發(fā)動(dòng)機(jī)故障診斷領(lǐng)域,包括如下步驟：步驟一：采集汽車尾氣的初始樣本數(shù)據(jù)；步驟二：建立小波神經(jīng)網(wǎng)絡(luò)診斷模型，輸入采集的數(shù)據(jù)樣本，進(jìn)行樣本訓(xùn)練；步驟三：樣本訓(xùn)練完成后，輸入采集到的實(shí)時(shí)數(shù)據(jù)，進(jìn)行故障診斷分析，輸出故障類型。本發(fā)明的發(fā)動(dòng)機(jī)故障診斷方法，采用小波神經(jīng)網(wǎng)絡(luò)，與傳統(tǒng)神經(jīng)網(wǎng)絡(luò)相比，小波神經(jīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)故障診斷準(zhǔn)確率有明顯提升，收斂速度快。
【IPC分類】G06N3-12, G06N3-02
【公開(kāi)號(hào)】CN104680233
【申請(qǐng)?zhí)枴緾N201410586026
【發(fā)明人】許其山, 曾慶平
【申請(qǐng)人】蕪湖杰諾瑞汽車電器系統(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