基于人工神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷

?

基于人工神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機故障診斷

利用音頻信號對汽車發(fā)動機進行故障診斷。目標是將發(fā)動機的聲音分為正常工作狀態(tài)和故障工作狀態(tài)。無論是正常狀態(tài)還是故障狀態(tài)，發(fā)動機一定會有聲音發(fā)出。介紹一種算法進行發(fā)動機狀態(tài)識別，其中包括信號狀態(tài)、信號處理和基于人工神經(jīng)網(wǎng)絡(luò)及統(tǒng)計學(xué)的信號分析。發(fā)動機的故障可以分為如下幾類：空氣濾清器故障、火花塞故障、潤滑油故障、活塞環(huán)故障、富混合物故障和2沖程活塞銷故障。首先基于統(tǒng)計學(xué)和對10種不同類型的人工神經(jīng)網(wǎng)絡(luò)進行比較，然后根據(jù)最優(yōu)性能獲得最優(yōu)人工神經(jīng)網(wǎng)絡(luò)模型。

對發(fā)動機故障分類進行詳細說明，對故障原因和故障表現(xiàn)進行了數(shù)學(xué)描述；對10種不同神經(jīng)網(wǎng)絡(luò)進行分類。試驗結(jié)果見表1。

針對2沖程發(fā)動機在MLP（多層神經(jīng)網(wǎng)絡(luò)）等分類器、雙隱藏層分類器以及支持向量機（SVM）下的分類結(jié)果進行了詳細說明。試驗結(jié)果證明，SVM試驗結(jié)果明顯優(yōu)于其它分類器。

最后進行總結(jié)，并將2沖程發(fā)動機試驗方法擴展到4沖程發(fā)動機上。對各個神經(jīng)網(wǎng)絡(luò)進行詳細總結(jié)，并指出SVM的分類器具有天然優(yōu)勢，是未來的發(fā)展方向。

刊名：International Journal of Engineering and Innovative Technology（JEIT）（英）

刊期：2013年第2期

作者：S. N. Dandarea et al

編譯：孫浩