基于波形分析的氧傳感器故障診斷方法研究

任藝

摘要：氧傳感器通過檢測發動機排放尾氣中氧離子的含量進而獲得混合氣空燃比信號。空燃比的大小直接影響發動機有害氣體（HC、CO、NOx）的排放量，因此本文對比分析帕薩特1.8T發動機中氧傳感器的正常工作波形和故障波形，提取波形上特征值，建立BP神經網絡，輸出故障類型。通過10組測試數據的診斷結果得出結論：基于波形分析的氧傳感器故障診斷方法是可行的。

Abstract： The oxygen sensor detects the content of oxygen ions in the exhaust gas of the engine to obtain the air-fuel ratio signal of the mixture. The air-fuel ratio directly affects the emission of harmful gases （HC， CO， NOx） in the engine， so this article compares and analyzes the normal working waveform and the fault waveform of the oxygen sensor in the Passat 1.8T engine， extracts the characteristic values on the waveform， and establishes a BP neural network. Output fault type. Based on the diagnosis results of 10sets of test data， it is concluded that the oxygen sensor fault diagnosis method based on waveform analysis is feasible.

關鍵詞：氧傳感器;波形分析;BP神經網絡;故障診斷

1? 氧傳感器功用

氧傳感器是排氣氧傳感器（Exhaust Gas Oxygen Sensor，EGO）的簡稱，現在的車輛上一般都安裝2個氧傳感器，第一個氧傳感器位于三元催化器的前端其作用是通過檢測排放尾氣中氧離子的含量得出混合氣空燃比的大小，并將此信號輸送給ECU。ECU根據此信號，對噴油時間進行修正，實現發動機的閉環控制，使得發動機尾氣中三種主要的有毒氣體HC、CO、NOx能夠在三元催化中得到最大的轉化。第二個氧傳感器位于三元催化器之后，其作用是檢測三元催化器的轉換效率。

2? 氧傳感器波形分析

如圖1所示，為發動機轉速為2500r/min時氧傳感的工作波形。通過對正常工作狀態下波形圖的分析，我們可以看出氧傳感器的輸出電壓在0.1-0.9V之間變化，且每10秒鐘至少變化8次以上。

如圖2所示為氧傳感器的故障波形1，和正常工作波形相比對此故障波形具有最小值偏大最大值偏小的特點，且平均電壓值要略高于450mv。一般單缸火花塞的高壓線開路會導致氧傳感出現這樣的故障波形。

如圖3所示為氧傳感器故障波形2，和正常工作波形相比對此故障波形具有最大值、最小值均偏大的特點，且平均電壓要遠高于450mv。當某缸火花塞出現短路故障時，氧傳感器就會出現這樣的故障波形。

如圖4所示為氧傳感器故障波形3，和正常工作波形相比此故障波形具有最小值偏大、存在低電壓尖峰，響應頻率過高。當某一缸噴油器不噴油，噴油器不工作時就會造成圖4波形形狀。

3? 故障診斷案例分析

除了上述可能存在的故障原因，當氧傳感器本身出現故障時也會導致故障波形異常。如圖5所示，波形變化頻率每10秒鐘少于8次，說明此時氧傳感器已經出現老化的情況要及時給予更換。

4? 基于BP神經網絡的故障診斷

4.1 BP神經網絡的建立及訓練

通過對氧傳感器正常工作波形和故障工作波形分析，確定BP神經網絡的輸入特征值為：最大值、最小值、平均值、波形變化頻率，其中最大值的正常值在0.9V左右;最小值的正常值在0.1V左右;平均值在450mv左右;波形變化的頻率在10s不少于8次，若變化的頻率在標準范圍內則輸入為0，否則為1。BP神經網絡的輸出為故障代碼1-5，其中1代表無故障;2代表火花塞高壓線開路;3代表當缸火花塞出現短路;4代表噴油器不工作;5代表氧傳感器老化。

確定神經網絡的輸入和輸出后，以帕薩特1.8T發動機中氧傳感器的工作波形為例，收集故障波形100組進行神經網絡的訓練，其中部分訓練數據如表1所示。

4.2 BP神經網絡的測試

將建立好的神經網絡進行測試，其中有10組，其測試數據如表2所示。

測試結果從圖6可以看出，其中三角符號代表實際分類結果，星形符號代表BP神經網絡測試出的結果，其中10組測試數據中8組測試數據結果準確，準確率高達80%。

5? 結論

通過對發動機前氧傳感器功用、工作原理及波形圖的分析，總結氧傳感器正常工作時的波形特點。再比對4種故障波形圖確立神經網絡輸入的特征值為最大值、最小值、平均值及波形變化頻率，輸出的1-5代碼分別代表不同的故障點。依據BP神經網絡的測試數據的準確率可以得出結論：基于波形分析的氧傳感器故障診斷方法是可行的。

參考文獻：

[1]葉斌.氧傳感器波形分析與應用[J].福建林學院學報，2015（1）：47-51.

[2]許學利.氧傳感器波形分析在電控汽車故障檢測中的應用[J].汽車維護與修理，2005（1）：10.

[3]朱軍.電子控制發動機電路波形分析[M].北京：機械工業出版社，2007.

[4]劉卉.基于空燃比控制系統的氧傳感器故障診斷研究[D].南京：東南大學，2009.