基于波形分析的氧传感器故障诊断方法研究

任艺

摘要：氧传感器通过检测发动机排放尾气中氧离子的含量进而获得混合气空燃比信号。空燃比的大小直接影响发动机有害气体（HC、CO、NOx）的排放量，因此本文对比分析帕萨特1.8T发动机中氧传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神经网络，输出故障类型。通过10组测试数据的诊断结果得出结论：基于波形分析的氧传感器故障诊断方法是可行的。

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.

关键词：氧传感器;波形分析;BP神经网络;故障诊断

1  氧传感器功用

氧传感器是排气氧传感器（Exhaust Gas Oxygen Sensor，EGO）的简称，现在的车辆上一般都安装2个氧传感器，第一个氧传感器位于三元催化器的前端其作用是通过检测排放尾气中氧离子的含量得出混合气空燃比的大小，并将此信号输送给ECU。ECU根据此信号，对喷油时间进行修正，实现发动机的闭环控制，使得发动机尾气中三种主要的有毒气体HC、CO、NOx能够在三元催化中得到最大的转化。第二个氧传感器位于三元催化器之后，其作用是检测三元催化器的转换效率。

2  氧传感器波形分析

如图1所示，为发动机转速为2500r/min时氧传感的工作波形。通过对正常工作状态下波形图的分析，我们可以看出氧传感器的输出电压在0.1-0.9V之间变化，且每10秒钟至少变化8次以上。

如图2所示为氧传感器的故障波形1，和正常工作波形相比对此故障波形具有最小值偏大最大值偏小的特点，且平均电压值要略高于450mv。一般单缸火花塞的高压线开路会导致氧传感出现这样的故障波形。

如图3所示为氧传感器故障波形2，和正常工作波形相比对此故障波形具有最大值、最小值均偏大的特点，且平均电压要远高于450mv。当某缸火花塞出现短路故障时，氧传感器就会出现这样的故障波形。

如图4所示为氧传感器故障波形3，和正常工作波形相比此故障波形具有最小值偏大、存在低电压尖峰，响应频率过高。当某一缸喷油器不喷油，喷油器不工作时就会造成图4波形形状。

3  故障诊断案例分析

除了上述可能存在的故障原因，当氧传感器本身出现故障时也会导致故障波形异常。如图5所示，波形变化频率每10秒钟少于8次，说明此时氧传感器已经出现老化的情况要及时给予更换。

4  基于BP神经网络的故障诊断

4.1 BP神经网络的建立及训练

通过对氧传感器正常工作波形和故障工作波形分析，确定BP神经网络的输入特征值为：最大值、最小值、平均值、波形变化频率，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;波形变化的频率在10s不少于8次，若变化的频率在标准范围内则输入为0，否则为1。BP神经网络的输出为故障代码1-5，其中1代表無故障;2代表火花塞高压线开路;3代表当缸火花塞出现短路;4代表喷油器不工作;5代表氧传感器老化。

确定神经网络的输入和输出后，以帕萨特1.8T发动机中氧传感器的工作波形为例，收集故障波形100组进行神经网络的训练，其中部分训练数据如表1所示。

4.2 BP神经网络的测试

将建立好的神经网络进行测试，其中有10组，其测试数据如表2所示。

测试结果从图6可以看出，其中三角符号代表实际分类结果，星形符号代表BP神经网络测试出的结果，其中10组测试数据中8组测试数据结果准确，准确率高达80%。

5  结论

通过对发动机前氧传感器功用、工作原理及波形图的分析，总结氧传感器正常工作时的波形特点。再比对4种故障波形图确立神经网络输入的特征值为最大值、最小值、平均值及波形变化频率，输出的1-5代码分别代表不同的故障点。依据BP神经网络的测试数据的准确率可以得出结论：基于波形分析的氧传感器故障诊断方法是可行的。

参考文献：

[1]叶斌.氧传感器波形分析与应用[J].福建林学院学报，2015（1）：47-51.

[2]许学利.氧传感器波形分析在电控汽车故障检测中的应用[J].汽车维护与修理，2005（1）：10.

[3]朱军.电子控制发动机电路波形分析[M].北京：机械工业出版社，2007.

[4]刘卉.基于空燃比控制系统的氧传感器故障诊断研究[D].南京：东南大学，2009.