车用三效催化转化器工作过程智能故障诊断研究

论文摘要

三效催化转化器的工作过程是一个涉及化学反应、传热、传质、流体流动的复杂过程,具有多变量、非线性的特点,偏离正常工况的故障时常发生。而良好的车用三效催化转化器故障诊断专家系统能通过大量的三效催化转化器工作状态信息对其进行实时故障诊断及报警,这将有利于操作以及维护人员及时作出相应的措施来提高三效催化转化器工作状态的可靠性和安全性,从而提高三效催化转化器的工作寿命,保证良好的尾气排放后处理质量。为了实现车用三效催化转化器工作过程已发生故障或潜在故障的快速高效诊断,本文应用神经网络控制理论与专家系统技术研究开发了基于神经网络的车用三效催化转化器智能故障诊断专家系统,论文主要工作与创新之处如下:（1）通过对节气门旋转角度函数链神经网络拟合以及节气门的流出系数拟合建立了车用汽油机进气歧管空气流量测量模型,结果表明,随着进气歧管压力升高,车用汽油机空气质量流量智能测量误差呈降低趋势,误差均小于5.0%,测量成本低,测量精度也高。（2）采用基于神经元-模糊推理融合的组合控制器对车用汽油机的空气、汽油流量进行控制,确保了车用三效催化转化器有一个可靠性好的优化匹配的工作环境。（3）采用二元化产生式规则建立了故障子网络和故障模块子网络,采用基于数值优化的LeverbergMarquardt算法,用经训练后的连接权值和阈值矩阵构建了知识库,提出了在基于神经网络（利用浅知识）预诊结果上再进行深知识确诊的知识诊断方法。（4）采用不精确推理方法,启发式搜索策略,按正反向混合推理方向对车用三效催化转化器关键参数故障状况进行混合推理,建立车用三效催化转化器神经网络故障诊断专家系统推理机。运用Visual Basic6.0和ACCESS等开发工具针对车用三效催化转化器工作过程开发了车用三效催化转化器神经网络故障诊断专家系统。车用三效催化转化器神经网络故障诊断专家系统半年多的试运行结果表明,该智能故障诊断系统诊断准确率高于85%。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 车用三效催化转化器国内外的研究状况
• 1.2 故障诊断技术的发展及现状
• 1.2.1 故障诊断的重要性
• 1.2.2 故障诊断理论与方法
• 1.2.3 智能故障诊断技术概述
• 1.3 基于神经网络专家系统融合的故障诊断技术
• 1.3.1 神经网络概述
• 1.3.2 专家系统
• 1.3.3 基于神经网络专家系统融合的故障诊断技术发展趋势
• 1.4 智能故障诊断系统在车用发动机的应用现状
• 1.5 选题背景和意义
• 1.5.1 选题背景
• 1.5.2 选题意义
• 1.6 论文的主要研究工作
• 第2章 车用三效催化转化器关键性能分析
• 2.1 车用三效催化转化器工作原理
• 2.2 车用三效催化转化器关键参数特性分析
• 2.2.1 车用三效催化转化器压力损失分析
• 2.2.2 车用三效催化转化器转化效率分析
• 2.2.3 车用三效催化转化器起燃温度分析
• 2.2.4 车用三效催化转化器劣化性能分析
• 2.3 车用三效催化转化器工作环境特性分析
• 2.3.1 车用汽油机进气歧管空气流量测量
• 2.3.2 汽油机汽油质量流量测量模型
• 2.3.3 神经元-模糊推理融合的电控喷射汽油机空燃比组合控制
• 2.4 本章小结
• 第3章 基于神经网络的车用三效催化转化器故障诊断专家系统设计
• 3.1 基于神经网络车用三效催化转化器故障诊断专家系统知识库构建
• 3.1.1 故障状况诊断知识特点
• 3.1.2 常见车用三效催化转化器关键参数故障状况
• 3.1.3 基于神经网络的知识获取
• 3.1.4 神经网络中的知识表示
• 3.1.5 量化模块设计
• 3.1.6 知识库模块设计
• 3.1.7 改进的BP 网络学习算法
• 3.1.8 知识库的组建
• 3.1.9 浅知识与深知识相结合
• 3.2 基于神经网络的车用三效催化转化器故障诊断专家系统推理机制
• 3.2.1 推理机制及控制策略研究
• 3.2.2 系统推理算法
• 3.2.3 车用三效催化转化器故障诊断专家系统推理机应用实例
• 3.3 本章小结
• 第4章车用三效催化转化器神经网络故障诊断专家系统实现
• 4.1 基于神经网络的车用三效催化转化器故障诊断专家系统总体结构
• 4.2 车用三效催化转化器故障诊断专家系统诊断与消除决策知识
• 4.3 车用三效催化转化器神经网络故障诊断专家系统软件结构
• 4.4 车用三效催化转化器神经网络故障诊断专家系统应用
• 4.4.1 基于神经网络的车用三效催化转化器故障诊断专家系统实现
• 4.4.2 基于神经网络的车用三效催化转化器故障诊断专家系统应用效果
• 4.5 本章小结
• 结论
• 参考文献
• 附录A 攻读学位期间所发表的学术论文目录
• 致谢