基于BP神經網絡的電控發動機故障診斷

摘 要： 針對汽車發動機電控系統結構的復雜性，提出用BP神經網絡進行故障診斷的方法。以北京現代05款途勝G4GC型發動機電控系統為實驗，并對其進行故障設置，采集發動機故障數據流，運用BP神經網絡構建診斷模型，并且改變BP訓練方法。診斷結果表明用BP神經網絡診斷發動機電控系統故障是行之有效的，具有較好的應用前景。

關鍵詞： 汽車發動機； 電控系統； BP神經網絡； 故障診斷

中圖分類號： TN711?34； TP183 文獻標識碼： A 文章編號： 1004?373X（2015）09?0128?04

Abstract： Since the complexity structure in electronic control system of the automobile engine， the method of engine fault diagnosis based on BP neural network is put forward. The electronic control system of Beijing Hyundai Tucson 05 G4GC engine as the experiment example， firstly some fault assumptions are set up， and the fault data flow of engine is collected， then a fault diagnosis model is built by BP neural network and BP training method is changed. The diagnosis result shows that it is effective to apply BP neural network to diagnose faults in engine electronic control system， and has better application prospect.

Keywords： automobile engine； electronic control system； BP neural network； fault diagnosis

0 引 言

隨著電子控制技術的發展，其在汽車中的應用越來越廣，對汽車技術的發展具有促進作用，電控技術提高了汽車發動機的性能。由于發動機電控系統的復雜性，一旦發動機電控系統出故障，往往會增加診斷故障的難度。與此同時，利用人工神經網絡研究汽車故障，取得了比較理想的效果。

人工神經網絡（Artificial Neural Networks，ANNs），也稱為神經網絡（NNs），是模擬生物神經網絡進行信息處理的一種數學模型。它以對大腦的生理研究成果為基礎，其目的在于模擬大腦的某些機理與機制，實現一些特定的功能。目前，人工神經網絡已應用于很多領域。

本文以北京現代05款途勝G4GC型發動機電控系統為例，利用BP神經網絡，采集發動機故障數據流，并對發動機電控系統故障進行研究。

1 BP神經網絡

1.1 BP神經網絡結構

BP神經網絡是一種多層前饋型神經網絡，其神經元的傳遞是[S]型函數，輸出量為0～1之間的連續量，它可以實現從輸入到輸出的任意非線性映射。由于權值的調整采用方向傳播學習算法，因此也常稱其為BP網絡（Back Propagation Network）。

BP神經網絡通常由輸入層、隱層和輸出層組成，每個層包含多個單神經元，層內部的神經元間是沒有連接的，而層間的神經元是全部連接的。隱層可以有一個或多個層， 隱層中的神經元均采用[S]型傳遞函數，輸出層的神經元采用線性傳遞函數。BP神經網絡的結構圖如圖1所示。

1.2 BP神經網絡算法

無論是函數逼近還是模糊識別，都必須對神經網絡進行訓練。訓練前需要樣本，樣本中包含輸入向量[P]以及相應的期望輸出向量[T，]訓練中需要不斷調整權值和閾值，使得神經網絡的表現函數達到最小。BP網絡表現函數默認為網絡輸出[a]和期望輸出向量[T]的均方差msa。

從上述過程可以看出，權值和閾值的修正是在所有樣本輸入后，計算其總的誤差后進行的，這種修正方式稱為批處理。在樣本比較多的情況下，批處理方式比分別處理方式的收斂速度快。

2 BP網絡在發動機電控系統故障診斷中的應

用實例

2.1 發動機電控系統故障設置和數據流采集

本文以北京現代05款途勝G4GC型發動機電控系統為例，對其進行故障設置，利用金德KT600電腦故障診斷儀采集數據流。以發動機在正常怠速、節氣門位置傳感器信號線開路、某缸噴油器信號線開路、冷卻水溫傳感器信號線開路、某兩個缸點火信號線路開路和氧傳感器信號線開路六種狀態時，采集數據流，采集的數據流分別如

在程序中，p中的數據為訓練樣本數據歸一化處理后的數據；在t中以000001表示發動機正常怠速時的狀態，以000010表示節氣門位置傳感器信號線開路時的狀態，以000100表示某缸噴油器信號線開路時的狀態，以001000表示冷卻水溫傳感器信號線開路時的狀態，以010000表示某兩個缸點火信號線路開路時的狀態，以100000表示氧傳感器信號線開路時的狀態。在創建BP網絡時，第一次采用‘trainlm’訓練，生成的誤差曲線如圖2所示；第二次采用‘traingd’訓練，生成的誤差曲線如圖3所示。

由圖2和圖3可以看出，當采用‘trainlm’訓練時，只用訓練次數55，用時1 s，就達到預期誤差0.001；而當采用‘traingd’訓練時，當達到最大訓練次數2 000時，還沒達到預期誤差0.001，由此可以看出，采用‘trainlm’訓練時，訓練次數少，用時短，且速度快。因此，當設計BP網絡時，應采用‘trainlm’訓練。

3 結 論

電控技術提高了發動機的工作性能，同時也增加了發動機電控系統故障診斷的難度。本文以北京現代05款途勝G4GC型發動機電控系統為研究對象，介紹了BP神經網絡的結構和算法，采集發動機故障數據流，運用BP神經網絡對發動機電控系統進行故障診斷，同時改變訓練方法，用BP網絡訓練后，可以看出，BP神經網絡可以快速、準確地診斷出故障。本文研究結果能給汽車維修人員提供參考價值，同時，BP神經網絡也可以運用到其他故障診斷工程領域。

參考文獻

[1] 周開利，康耀紅.神經網絡模型及其Matlab仿真程序設計[M].北京：清華大學出版社，2005.

[2] 張德豐.Matlab神經網絡應用設計[M].北京：機械工業出版社，2009.

[3] 孫祥，徐流美，吳清.Matlab 7.0[M].北京：清華大學出版社，2005.

[4] 李友才，巴寅亮.基于BP神經網絡的電控發動機故障診斷應用研究[J].鄭州輕工業學院學報：自然科學報，2008（10）：104?107.

[5] 劉艷春，楊德輝，劉艷麗，等.基于神經網絡的某型飛機發動機故障診斷研究[J].電子設計工程，2012（6）：89?92.

[6] 鄧日青，傅曉林.基于BP神經網絡的電噴發動機故障診斷研究[J].北京汽車，2007（6）：7?10.

[7] 程瑞琪.人工神經網絡技術在設備故障診斷中的應用[J].機械研究與應用，1999（6）：13?14.

[8] 孫帆，施學勤.基于Matlab的BP神經網絡設計[J].計算機與數字控制，2007（8）：124?126.

[9] 呂彩琴.汽車發動機電控技術[M].北京：國防工業出版社，2009.

[10] 史忠植.神經網絡[M].北京：高等教育出版社，2009.