汽车发动机智能故障诊断原理与方法

雷朱坦

【摘 要】发动机作为汽车的心脏，是汽车动力的来源。汽车的运行性能和发动机之间有很重要的联系，且发动机内部结构复杂，对工作条件要求苛刻。随着汽车工业的发展，对发动机的故障诊断也越来越困难。本文正是基于这个问题，就汽车发动机的故障诊断进行了一些探究，并提出了故障诊断的方法供大家参考。

【关键词】发动机；故障诊断；智能方法

汽车发动机是汽车的一个重要组成部分，是汽车的动力装置。由于汽车发动机内部的结构复杂，且对运行的环境要求比较多。因此，汽车发动机的故障约占汽车全部故障的一半左右。所以对发动机开展故障诊断技术的研究具有很重要的现实意义[1]。发动机在运行的过程中，会产生很多的可用于检测的信息，比如产生的震动、噪声和冲击等信息，这些信息真实的反应了发动机的工作状态。

1智能发动机诊断技术的概念

发动机诊断技术是利用现代化的科学技术来完成对汽车发动机的运行状态进行检测，并识别出汽车故障的一种综合技术。利用现代科学技术制作出来的故障诊断设备和靠人工方法进行检查有着很大的不同，它融合了人工智能技术和信号处理方法，不需要对发动机进行拆解，可以依靠采集的信息来准确、快速的识别出发动机的故障。这些智能化的故障诊断技术是未来发展的一大趋势。

2汽车发动机智能故障诊断技术的分类

随着科学的发展，在上世纪50年代发展起来一种人工智能技术。随后这项技术广泛应用在了工程领域。对于在诊断故障的策略上，该系统首先要建立故障诊断的模型，然后对模型进行求解[2]。当前研究的智能故障诊断技术的热点集中在以下几个部分。

2.1基于知识的诊断技术

所谓的基于知识的智能故障诊断技术是当前研究最多和应用最广的一个技术，成为设备诊断领域的一个发展方向之一。截止目前大概经历了两个发展阶段：第一阶段是基于人类专家的经验知识的专家系统和基于诊断对象的模型知识的专家系统。近几年有新出现了一种混合结构的专家系统。

专家系统实际上是一个智能的计算机程序，计算机依靠专家经验对采集的信息进行一系列的推理来找到故障的地方或推理出有可能出现故障的地方，然后提醒用户进行相应的处理。其一般有五部分组成，包括数据库、推理机、知识库、解释机制和相应的计算机接口。不过专家系统依赖于对相关领域知识的获取，知识的获取是一个瓶颈。其次还存在一些局限，比如在学习能力和实时性方面都还不太好。

2.2基于模糊数学的方法

模糊理论最初是用于解决不确定性问题的，是把经典集合理论模糊化后而发展的一套推理体系。最早是在1965年由L.A.Zadeh教授提出来的。求解方法一般是根据专家经验在故障征兆空间和故障原因空间之间建立模糊关系矩阵。具有分析不确定性能力强、获取不同优先级别的解和容易被理解的优点[3]。模糊理论可以很好的改善其他智能方法的容错能力。不过首先的要构造模糊理论的隶属函数，这个是实现模糊理论的前提。模糊理论也有一定的局限性，因为隶属函数是由人为构造的，不可避免的会引入一定的主观因素。其次模糊理论对特征元素的选取也有一定的条件，选的不合理会导致精度不够，甚至是故障诊断失效。

2.3基于神经网络的诊断方法

神经网络的算法是模拟人脑的对信息的并行处理的方法，且该方法具有自组织、自学习的特性，可以由训练的网络来识别故障。其中有研究人员对发动机缸内的压力和震动信号进行一系列的分析，并提取了相关的状态信息，建立了一个故障诊断的模型。通过对该模型的求解可以对发动机的正常情况和故障进行诊断，比如可以有效的诊断出排气发泄漏、某一喷油嘴阻塞等。

其中在发动机故障领域应用的比较成熟的是前向BP网络，不过也存在一定的问题。由于该学习算法经常得不到整体的最优结果，所以还需要结合其他的全局优化方法来配合训练网络。

2.4基于粗糙集理论的诊断方法

粗糙集理论是一种新型的处理不确定知识和不完整知识的一个有效数学工具，它可以由现有的数据来完成对知识的约简而不需主观的先验知识。比如在发动机的故障中，有一项针对发动机复杂机构的多激励源的故障诊断，解决起来很困难。但通过粗糙集理论可以对多缸的发动机气阀故障诊断。我国曹长修等人通过燃油压力的时域振动信号进行分析，可以有效的诊断出发动机供油系统存在的出油阀故障等常见9种故障。张艳等人通过对由故障特征构成的决策，采用粗糙集理论对供油故障进行研究，在发动机磨损故障诊断中取得了一定的成果。不过，粗糙集的泛化能力有待提高，并且仅能处理离散话的数据。

2.5基于故障树的方法

故障树是基于诊断对象结构和功能特征的行为模型，具有定性的因果模型，它将系统最不希望发生的事件作为顶事件，把可能诱导顶事件发生概率的其他事件作为中间事件和底事件，并用逻辑门来表示事件相互之间的联系，它是一种倒树状的结构模型，可以很好的反应特征向量和故障原因之间的逻辑关系。并且采用故障树的诊断方法和人类的思维方式很相似，很容易被人们所理解。因此在实践中使用的比较多，并且还可以和其他方法进行结合使用，以达到更好的效果[4]。比如可以根据具体的故障，采用计算机的数据结构原理，建立数据结构和关系数据原理之间的知识表示，构建知识库和推理机就可以实现确定性和不确定性的故障诊断。

虽然故障树可以直观简单的搜寻故障源，但是它必须建立在正确的故障树建构基础上。所以构建正确的故障树是故障诊断的关键所在。但在实际中，有些条件并不能都得到满足，如果故障树建立的不合理，就会失去作用。

3综合方法

综上我们可以知道对于发动机的故障诊断，每一种方法都有自己的优缺点。如果仅依靠一种方法很难满足对发动机的复杂故障诊断。因此，近年来出现了综合以上方法的综合方法，然后综合应用于发动机的故障诊断。

3.1神经网络和专家系统的结合

神经网络的发展为发动机故障诊断开辟了新的途径。神经网络技术不需要组建大规模的生产式规则和进行树搜索，它可以自学习、自组织。这种方法可以解决传统专家系统对知识获取和推理的困难。因此，如果将专家系统和神经网络融合在一起，两者可以相互补充，可以大大的提高诊断的能力。

3.2神经网络和模糊推理的结合

神经网络和模糊推理在知识推理和诊断知识方面有很大的作用。其中，神经网络模拟的人脑神经元的功能，它具有很强大的自学习能力，可以对数据进行直接的处理。而模糊推理则可以模仿人的逻辑思维，有较好的知识表达能力。如果将神经网络和模糊推理的优缺点结合起来，就可以实现故障诊断系统对不确定的模糊信息的处理，而且还可以使得结构性知识能够得到学习的调整。目前结合的方法一般有两种，一是将传统的神经网络模糊化，另一种是根据模糊分类算法或者模糊规则构造相应的网络结构，就构造模糊推理的协作系统。

4结语

智能化的故障诊断方法为汽车发动机的故障诊断提供了新的途径，而且还弥补了传统故障诊断的很多不足。但单一的故障诊断技术都有一定的局限性，很难满足对发动机复杂诊断问题的全部要求。因此如果将各种智能诊断技术进行一点的融合，这样可以有效的克服单一诊断的不足，更好的及时检测出汽车发动机的故障，给人们的行车安全提供更好的保障。而且今后将各种智能诊断方法的有点进行融合，将是今后发动机故障诊断的一个热点和必然的趋势。

参考文献：

[1] 徐玉秀，杨文平，吕轩等.基于支持向量机的汽车发动机故障诊断研究[J].振动与冲击，2013，32（8）：143-146.

[2] 李秋玲，贾敏智.基于改进ABC算法优化SVM的汽车发动机故障诊断[J].制造业自动化，2014，（5）：57-60.

[3] 黄伟.汽车发动机故障诊断与容错技术的探究[J].电子制作，2014，（14）：214-215.

[4] 莫家驹.结合实践对汽车发动机无法启动故障诊断详细分析[J].城市建设理论研究，2014，（9）.