徐 斌

（涪陵區(qū)機動車安全技術(shù)檢測站，重慶 涪陵 408000）

基于智能診斷技術(shù)的發(fā)動機故障排查研究進展

徐 斌

（涪陵區(qū)機動車安全技術(shù)檢測站，重慶 涪陵 408000）

智能診斷技術(shù)的研發(fā)與運用為汽車的故障診斷開辟了新的途徑，基于神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷技術(shù)是智能診斷技術(shù)的重要組成部分。本文對基于BP神經(jīng)網(wǎng)絡(luò)、非BP神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)與其他技術(shù)相結(jié)合的汽車發(fā)動機故障診斷的研究進展進行了綜述，并對三種發(fā)動機故障診斷技術(shù)進行了比較，展現(xiàn)了神經(jīng)網(wǎng)絡(luò)技術(shù)在智能診斷汽車故障系統(tǒng)中的運用和發(fā)展。

神經(jīng)網(wǎng)絡(luò)；發(fā)動機；故障診斷

汽車發(fā)動機是由多個零部件構(gòu)成的復(fù)雜機械系統(tǒng)，隨著汽車機動性能的逐步提高，汽車發(fā)動機的系統(tǒng)結(jié)構(gòu)也變得越來越復(fù)雜。汽車一旦出現(xiàn)故障，需要對故障進行及時排查。故障的傳統(tǒng)診斷方法主要有經(jīng)驗診斷法和簡單儀器診斷法，經(jīng)驗法靠人耳聆聽異響聲音，結(jié)合發(fā)動機轉(zhuǎn)速、異常部位和溫度來判斷故障；儀器診斷法是根據(jù)檢測儀監(jiān)測到的信號時域和頻域特征來判斷發(fā)動機的技術(shù)狀況。傳統(tǒng)診斷法因受個人經(jīng)驗的局限性以及簡單儀器功能的單一性而不能滿足現(xiàn)代汽車的故障診斷要求。汽車故障的智能診斷技術(shù)是融合了多種技術(shù)手段的自主性診斷系統(tǒng)，它是現(xiàn)代工業(yè)技術(shù)和電子技術(shù)發(fā)展的產(chǎn)物，智能診斷技術(shù)的開發(fā)與運用為汽車的故障診斷開辟了新的途徑。在智能診斷技術(shù)中，以學(xué)習(xí)記憶、聯(lián)想推測和并行信息處理等為特征的神經(jīng)網(wǎng)絡(luò)發(fā)動機故障診斷技術(shù)又是其重要組成部分，目前這一技術(shù)在機動車檢測和維修行業(yè)方興未艾。為此，筆者就神經(jīng)網(wǎng)絡(luò)用于汽車發(fā)動機故障診斷的研究進展進行介紹，以期引起同行對汽車發(fā)動機故障診斷技術(shù)發(fā)展動向的關(guān)注，準備迎接現(xiàn)代技術(shù)的挑戰(zhàn)。

1 基于BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷技術(shù)

神經(jīng)網(wǎng)絡(luò)是類似人腦功能、由大量簡單且相互連接的處理單元組成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。在網(wǎng)絡(luò)系統(tǒng)中廣泛應(yīng)用的數(shù)學(xué)模型是誤差反傳播BP(Back Propagation)算法，BP神經(jīng)網(wǎng)絡(luò)的基本原理就是通過信息的反復(fù)輸入和輸出同時進行正、反向計算，使得網(wǎng)絡(luò)的輸出值和期望值接近零差異?；谏窠?jīng)網(wǎng)絡(luò)建立的數(shù)學(xué)模型既保持了專家系統(tǒng)的原有功能又具有神經(jīng)網(wǎng)絡(luò)的特征，根據(jù)這一數(shù)學(xué)模型獲取的數(shù)據(jù)信息對發(fā)動機故障進行排查。

21世紀初，燕學(xué)智[1]等首次將神經(jīng)網(wǎng)絡(luò)技術(shù)引用到發(fā)動機故障的診斷，同時基于BP算法對汽車發(fā)動機的五個故障進行了故障診斷實驗測試，測試結(jié)果證明人工神經(jīng)網(wǎng)絡(luò)技術(shù)能有效應(yīng)用于發(fā)動機的故障診斷，并指出該技術(shù)具有操作簡潔方便、快速直觀以及網(wǎng)絡(luò)參數(shù)便于調(diào)整等優(yōu)點。王偉杰[2]等采用單一故障實例證實了BP神經(jīng)網(wǎng)絡(luò)故障診斷正向推理過程的可行性，闡明了BP神經(jīng)網(wǎng)絡(luò)故障診斷與傳統(tǒng)專家系統(tǒng)正向推理相比的突出優(yōu)勢。在早期神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)基礎(chǔ)上，黃游檳[3]等將多個子BP神經(jīng)網(wǎng)絡(luò)整合成一條診斷鏈，從而對汽車故障進行分級連續(xù)診斷，不斷地縮小故障范圍直至最終確定故障的具體原因。該方法的創(chuàng)新點在于整合了專家系統(tǒng)的思想，彌補了單一神經(jīng)網(wǎng)絡(luò)存在的結(jié)構(gòu)大、準備和學(xué)習(xí)難、精度差等缺陷。張延林[4]等結(jié)合BP神經(jīng)網(wǎng)絡(luò)的理論分析，通過對實際故障的診斷測試，其結(jié)果同樣證明了BP神經(jīng)網(wǎng)絡(luò)診斷技術(shù)的良好效果。與此同時，針對BP網(wǎng)絡(luò)診斷缺乏專家經(jīng)驗的不足，張延林也提出了BP神經(jīng)網(wǎng)絡(luò)診斷技術(shù)的改進方法。隨著BP神經(jīng)網(wǎng)絡(luò)診斷技術(shù)的更新與推廣，近年來汽車發(fā)動機故障的診斷效率有了很大提高，從實踐證明了BP神經(jīng)網(wǎng)絡(luò)的可靠功能及其應(yīng)用前景[5，6]。

2 基于非BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷技術(shù)

近年來，在以研究BP神經(jīng)網(wǎng)絡(luò)汽車故障診斷技術(shù)為主的同時，基于非BP神經(jīng)網(wǎng)絡(luò)的研究也有不少報道。

吳勉[7]等通過分形幾何和小波分析進行信號的收集與處理，以自組織主成分分析作特征降維，采用一種新的多ART2神經(jīng)網(wǎng)絡(luò)對發(fā)動機故障狀態(tài)進行分類識別，獲得了理想的故障排查效果，與BP算法相比較，該方法具有實時學(xué)習(xí)、適應(yīng)性良好、識別快速和能自動診斷新故障等優(yōu)點。陳振[8]等以捷達轎車為實驗對象，采用包括徑向基函數(shù)的網(wǎng)絡(luò)設(shè)計、故障診斷程序構(gòu)建的RBF網(wǎng)絡(luò)診斷模型診斷發(fā)動機故障。結(jié)果表明，相比BP網(wǎng)絡(luò)RBF網(wǎng)絡(luò)具有更強的存儲記憶功能和聯(lián)想推測能力。高龍士[9]等利用Elman網(wǎng)絡(luò)的特點，建立了基于Elman網(wǎng)絡(luò)的汽車發(fā)動機故障診斷模型，并且通過發(fā)動機失火與尾氣成分關(guān)聯(lián)程度的故障識別和診斷驗證了模型的可行性。Elman神經(jīng)網(wǎng)絡(luò)的特點在于具有很好的非線性編輯和關(guān)聯(lián)事件泛化的能力，因此能夠在復(fù)雜的故障分析過程中準確地預(yù)測和診斷故障。實例驗證結(jié)果表明，基于Elman神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型完全可以對汽車發(fā)動機進行故障診斷。李鳳春[10]將主成分分析法應(yīng)用于概率神經(jīng)網(wǎng)絡(luò)的故障診斷，提出一種新的故障分析方法。其基本思路是首先利用多元統(tǒng)計分析方法即主成分分析進行數(shù)據(jù)轉(zhuǎn)化，以降低原始數(shù)據(jù)的維數(shù)和數(shù)據(jù)分析的復(fù)雜度，然后利用概率神經(jīng)網(wǎng)絡(luò)進行模式識別和分類。該方法的創(chuàng)新在于在發(fā)動機故障排查中，概率神經(jīng)網(wǎng)絡(luò)與主成分分析的結(jié)合大大提高了對復(fù)雜數(shù)據(jù)的識別能力和運算速度。

3 神經(jīng)網(wǎng)絡(luò)與其他技術(shù)相結(jié)合的汽車故障診斷技術(shù)

近年來，一些科學(xué)工作者在神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)的研究過程中，也結(jié)合了其他的技術(shù)手段，并取得一定成效。

李小青[11]等將神經(jīng)網(wǎng)絡(luò)和基于案例的推理技術(shù)結(jié)合起來，通過神經(jīng)網(wǎng)絡(luò)模型進行數(shù)據(jù)分類形成案例庫文件并建立索引，通過輸入診斷數(shù)據(jù)在案例庫中尋找相似案例，最終進行評價修正并獲得診斷結(jié)果。神經(jīng)網(wǎng)絡(luò)和基于案例推理技術(shù)的結(jié)合在汽車發(fā)動機故障診斷系統(tǒng)中有效彌補了各自的缺陷，提高了診斷的準確性和速度。高慧[12]等利用虛擬儀器開發(fā)軟件——LabVIEW，用圖形化的直觀編程語言提高了虛擬儀器控制系統(tǒng)的性能，實現(xiàn)了基于圖形信號系統(tǒng)分析的發(fā)動機故障診斷。楊旭志[13]等同樣將虛擬儀器和人工神經(jīng)網(wǎng)絡(luò)結(jié)合起來形成了新的汽車故障診斷方法，并通過實例分析證實了該方法的可行性。趙懿冠[14]等通過整合模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)，構(gòu)建了基于模糊神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷方法，該方法集描述模糊概念能力、加強自學(xué)能力和數(shù)據(jù)處理能力于一身，有效消除了故障診斷中的模糊性影響，在發(fā)動機多故障診斷方面具有明顯優(yōu)勢。最近，周美蘭[15]等開發(fā)了基于蟻群神經(jīng)網(wǎng)絡(luò)的電控發(fā)動機故障診斷方法，其基本原理是先利用蟻群算法進行數(shù)據(jù)處理，然后將處理結(jié)果作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的初始值，以減省BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)整理負擔(dān)，進而優(yōu)化BP網(wǎng)絡(luò)的訓(xùn)練能力。測試結(jié)果表明，該方法可實現(xiàn)對電控發(fā)動機故障的快速、準確及有效診斷。

4 三種發(fā)動機故障診斷技術(shù)的比較

綜上所述，以BP神經(jīng)網(wǎng)絡(luò)為代表的神經(jīng)網(wǎng)絡(luò)是汽車發(fā)動機故障診斷的重要技術(shù)手段。BP算法的實質(zhì)是以誤差平方和為目標函數(shù)、用梯度法求其最小值的算法，但由于在算法上存在局部極小點而產(chǎn)生故障診斷誤差，它既有結(jié)構(gòu)簡單和非線性模式識別的優(yōu)點，但又有訓(xùn)練時間長、學(xué)習(xí)速度慢和計算復(fù)雜度高等明顯缺點。非BP神經(jīng)網(wǎng)絡(luò)算法則基于屬性重要度約簡算法提取規(guī)則，通過優(yōu)化訓(xùn)練樣本屬性，可避免離散化造成的信息損失，同時通過簡化輸入神經(jīng)元維數(shù)，解決因收斂速度慢而陷入局部極小點的問題。因此，基于非BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷技術(shù)，由于在算法上具有更快的收斂速度和更高的訓(xùn)練精度，可以獲得較快的故障診斷效果。但因其有線性模式識別的特點，數(shù)學(xué)建模過程復(fù)雜，在發(fā)動機故障排查中往往因非線性故障因子的作用而降低診斷的準確性。神經(jīng)網(wǎng)絡(luò)與其他技術(shù)相結(jié)合的汽車故障診斷技術(shù)，在算法上以神經(jīng)網(wǎng)絡(luò)的非線性與泛化為數(shù)學(xué)特征，并采用圖形化編程語言對發(fā)動機系統(tǒng)進行虛擬控制，適用于發(fā)動機故障分析過程的復(fù)雜性和實際工況下的非線性，因而能對汽車發(fā)動機不同故障進行較準確地預(yù)測、定位和診斷。

基于神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷方法是目前診斷汽車故障非常有效且重要的技術(shù)手段。多年來的理論研究和方法改進也使神經(jīng)網(wǎng)絡(luò)的診斷技術(shù)得到了不斷的提升。然而，單一的神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)仍存在較多缺陷，例如學(xué)習(xí)速度慢、網(wǎng)絡(luò)訓(xùn)練失敗可能性大、沒有完整的理論指導(dǎo)、訓(xùn)練能力和預(yù)測能力無法同步等。因此，面對越來越復(fù)雜的發(fā)動機故障系統(tǒng)，只有將多種智能技術(shù)結(jié)合起來才能克服單一診斷方法的不足，達到方便、快速、準確、可靠的故障診斷效果。

[1]燕學(xué)智，錢耀義.基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)的發(fā)動機故障診斷系統(tǒng)[J].內(nèi)燃機工程，2001，（1）：78-81.

[2]王偉杰，趙學(xué)增，黃文濤.基于BP網(wǎng)絡(luò)的故障診斷正向推理方法[J].車用發(fā)動機，2001，（8）：33-35.

[3]黃游檳，薛建彬.基于BP神經(jīng)網(wǎng)絡(luò)的汽車故障診斷的研究[J].機械制造與自動化，2006，（3）：146-148.

[4]張延林，佟德軍.BP神經(jīng)網(wǎng)絡(luò)的汽車故障診斷系統(tǒng)[J].自動化儀表，2009，（4）：11-13.

[5]華欣.汽車發(fā)動機故障神經(jīng)網(wǎng)絡(luò)模式識別及試驗研究[J].電腦編程技巧與維護，2009，（22）：92.

[6]郭榮春，高樹文.基于神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷研究[J].山東交通學(xué)院學(xué)報，2011，（1）：14-17.

[7]吳勉,邵惠鶴.小波-分形-多ART2神經(jīng)網(wǎng)絡(luò)在汽車發(fā)動機故障識別中的應(yīng)用[J].機械設(shè)計與制造，2002，（6）：6-7.

[8]陳振，孫紅旗，劉新柱.基于人工神經(jīng)網(wǎng)絡(luò)的發(fā)動機故障診斷[J].農(nóng)機化研究，2008，（9）：202-205.

[9]高龍士，計時鳴.基于Elman神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷及其實現(xiàn)[J].機械科學(xué)與技術(shù)，2010，（9）：1209-1212.

[10]李鳳春.基于PCA和PNN的發(fā)動機故障診斷研究[J].網(wǎng)絡(luò)安全技術(shù)與應(yīng)用，2010，（6）：58-60.

[11]李小青，李翔晟.基于神經(jīng)網(wǎng)絡(luò)與案例推理的發(fā)動機故障診斷研究[J].煤礦機械，2007，（3）：188-190.

[12]高慧，傅曉林.基于LabVIEW的BP算法及其在發(fā)動機故障診斷中的應(yīng)用 [J].重慶交通大學(xué)學(xué)報 (自然科學(xué)版)，2010，（5）：800-803.

[13]楊旭志，高俊文，廖中文.基于虛擬儀器和神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷方法的研究[J].農(nóng)業(yè)裝備與車輛工程，2011，（4）：33-36.

[14]趙懿冠，駱詩定，廖紅云，蘇欣平，肖云魁.基于模糊神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷 [J].軍事交通學(xué)院學(xué)報，2010，（6）：47-51.

[15]周美蘭，敖雪.基于蟻群神經(jīng)網(wǎng)絡(luò)的電控發(fā)動機故障診斷研究 [J].黑龍江大學(xué)自然科學(xué)學(xué)報，2011，（3）：415-420.

Development of Engine Fault Investigation Based on Intelligent Diagnosis Technology

XU Bin
(Motor Vehicle Safety Inspection Station,Fuling Chongqing 408000,China)

The development and application of the intelligent diagnosis technology have broken a new path for automobile fault diagnosis.Engine fault diagnosis technology is an important part of such technology.In this paper,an overview of the development of automobile engine fault diagnosis research which is based on BP neural network,non-BP neural network and neural network in combination with other technologies is given and the three technologies of engine fault diagnosis are compared,which shows the application and development of the neural network technology in the automobile fault intelligent diagnosis system.

neural network;engine;fault diagnosis

TP39;TU

A

1674－5787（2012）01－0165－03

2011-12-08

徐斌(1972—)，男，重慶涪陵人，重慶涪陵區(qū)機動車安全技術(shù)監(jiān)測站，工程師。

責(zé)任編輯 李 燕