《表1 失火状态与废气排放关系》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《汽车故障检测中的神经网络诊断原理研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

备注：f=1指发动机未失火；f=2为轻度失火；f=3为重度失火。

对于发动机的故障诊断而言，训练样本集尤为重要，不但要涵盖所有与汽车发动机有关的故障症状，还要具有典型性和代表性。大量的实践表明，过多或是过少的向量，都会对故障诊断结果造成影响。比如，向量的数量过多，会导致计算量增加，相应的时间延长，准确度降低；而向量的数量不足，则无法满足故障判断的要求。因此，选取某型号的汽车发动机作为研究对象，针对该发动机最为常见的缺缸、断缸、断火、不点火以及燃烧不充分等故障问题，运用神经网络给出解决方案。由于上述故障发生时，汽车会排放出CO和HC等对人体健康有害的物质，可利用废气分析仪器进行测试，以此来获取相关的数据。为便于研究，将该汽车发动机出现的上述故障问题统一归为失火故障，并细分为三种情况，即未失火、轻度失火及重度失火，其中未失火对应发动机的正常状态；轻度失火对应如下点火故障问题：点火电容性能降低、点火正时过晚、单缸火花塞不点火等；重度失火对应的故障问题包括两缸以上火花塞点火不良等[5]。基于BP神经网络对上述故障症状的判断标准是与失火情况对应的废气体积分数值，发动机失火故障时产生的主要废气有O2、CO、CO2、HC、NOx。共计选取300个样本数据，如表1所示。