網絡化電路仿真在拖拉機電器故障診斷中的應用

高紅波

(洛陽職業技術學院，河南 洛陽 471003)

0 引言

伴隨汽車發展而來的是能源問題。根據國際能源機構預測，隨著經濟的發展、社會的進步和人口的增長，全世界的能源消耗在今后20年至少增加1倍。世界原油價格的不斷上漲，已經預示著能源危機的出現，為了有效地解決能源危機，最直接的方法是用新的、清潔無污染的燃料代替燃油。拖拉機是農業生產中最常用的機械之一，其燃料消耗和污染排放都較大，為了達到節能減排的目的，可以采用新能源發動機和智能電器化改造的方法。其中，電器故障診斷是電器化改造的重要環節。由于控制系統較為復雜，因此對于智能化診斷系統的研究具有重要意義。

1 新能源拖拉機空調電器及控制系統

新能源拖拉機除了節能環保之外，還可以通過車內空調系統為農機操作者提供一個舒適的駕駛和乘坐環境。為了提高拖拉機空調的智能化控制，可以采用CAN總線對空調系統進行智能化控制，基本框架如圖1所示。利用CAN總線驅動可以實現空調壓縮機的速度變化，通過CAN總線將轉速信息傳遞給VMS，通過反饋調節的方式對轉速進行實時控制，從而可以有效地調節空調溫度，達到節能的目的。

圖1 新能源拖拉機空調驅動示意圖

為了實現圖1的空調控制基本框架，可以采用全自動電子控制方案，利用微處理器MCU實現核心調節器的智能控制，利用傳感器信號采集反饋給控制系統，從而達到智能控制的目的，如圖2所示。

圖2 新能源拖拉機空調節能控制器

2 基于神經網絡的新能源拖拉機電器系統故障診斷

新能源拖拉機電器系統在工作過程中可以利用傳感器采集一系列的數據，如果采用一定算法將正常數據和故障數據進行訓練，可以有效地提高電器系統故障診斷的智能化程度。神經網絡算法是一種智能化程度較高、準確性較好的學習訓練算法，并且可以通過改進學習參數，調整學習權值，提高訓練的準確性。本次研究主要采用神經網絡學習算法對新能源拖拉機電器系統故障診斷系統進行優化設計，其結構如圖3所示。

圖3 神經網絡學習算法結構

圖4 基于神經網絡學習算法的PID控制器結構

network learning algorithm

為了便于計算機仿真，被控對象采用離散化模型。PID控制器采用經典的數字式PID控制器，其中經典增量式數字PID的控制算法為

u(k)=u(k-1)+kp[error(k)-error(k-1)]+

kierror(k)+kd[error(k)-2error(k-1)+

error(k-2)]

(1)

其中，kp、ki、kd分別為比例、積分、微分系數。

神經網絡輸入層的輸入為

(2)

其中，輸入變量的個數M跟控制系統的復雜程度有關，網絡隱含層的輸入、輸出為

(3)

(4)

網絡輸出層的輸入輸出為

(5)

輸出層輸出節點分別對應3個可調參數kp、ki、kd，由于kp、ki、kd不能為負值，在仿真中利用的是離散化的控制對象，對故障判斷的準確性進行實時反饋，從而可以調整電器故障診斷的準確性，提高電器故障診斷的速度。

圖5表示對新能源拖拉機電器故障診斷的正常和故障數據樣本的訓練過程。將給定的樣本輸入到神經網絡學習算法中，可以求出期望目標值和實際輸出值得偏差。然后利用誤差反饋調節修正權值，使其達到最終想要得到的計算精度，當達到要求的計算精度時，學習過程結束；如果達不到要求精度，則繼續進行神經網絡訓練，新能源拖拉機電器系統故障診斷的流程如圖6所示。

圖5 神經網絡訓練過程圖

圖6 基于神經網絡算法的電器系統故障診斷

neural network algorithm

通過神經網絡訓練后可以得到檢測樣本的數據，將檢測樣本數據和實際測試數據進行對比，便可以得到故障診斷結果。

3 新能源拖拉機電器系統故障診斷測試

為了驗證神經網絡學習算法和仿真系統在新能源拖拉機電器系統故障診斷中的可行性，根據第1節得電器節能系統設計和第2節的神經網絡學習算法，對診斷系統進行了測試，拖拉機模型如圖7所示。

圖7 拖拉機模型示意圖

以一款新型拖拉機的電器系統為例，采用新能源混合動力技術對空調電器系統進行改造，并建立了基于神經網絡技術的空調電器故障診斷系統，利用系統首先對電器系統正常的數據流進行訓練，其具體數據如表1所示。

在進行神經網絡訓練時，可以將多組正常數據樣本進行神經網絡訓練，提取相應的特征值，然后導入故障數據進行神經網絡訓練。電器系統存在故障時的數據如表2所示。

表1 新能源拖拉機電器系統正常工作時的數據流

表2 新能源拖拉機電器系統故障時的數據流

將新能源拖拉機電器故障時的數據導入到神經網絡仿真系統中進行訓練后，可以實現故障的智能化診斷。不使用PID調節器和使用PID調節器的計算誤差分別如圖8和圖9所示。

圖8 不使用PID訓練誤差變化曲線

為了驗證PID調節器在神經網絡訓練過程中的有效性，將不使用PID調節器訓練的計算誤差進行了計算得到了如圖8所示的結果，其計算收斂誤差達到了10-1精度，誤差較大。

圖9 使用PID訓練誤差變化曲線

使用PID調節器后的計算誤差僅為10-2，誤差較小，計算精度較高，對有無故障的電器系統分別進行了測試，結果如表3所示。

表3 測試樣本診斷結果

分別對有故障和無故障的電器系統進行了測試，結果表明：基于神經網絡仿真的診斷系統對電器系統故障的診斷精度較高，最低精度在98%以上，可以滿足新能源拖拉機電器系統智能化診斷的需求。

4 結論

為了提高新能源拖拉機空調電器智能化診斷的效率和水平，基于神經網絡算法和PID控制器，對診斷系統進行了優化設計，建立了基于神經網絡技術的空調電器故障診斷系統，并以一款新型拖拉機的電器系統故障診斷為例，對系統性能進行了驗證。結果表明：采用神經網絡仿真系統對新能源拖拉機空調系統進行故障診斷可以有效地提高故障判斷的準確性，降低了人為判斷的片面性，在無需專業技術人員的情況下也可以達到智能檢測的目的。