基于BP神经网络的电控汽油机传感器故障诊断与调节研究

摘要

为适应越来越严格的排放法规，电控汽油机己成为轻型载客汽车的标准动力配置。2008年将在全国实施机动车污染物排放国Ⅲ标准(相当于欧Ⅲ标准)，并强制要求安装车载诊断系统(简称OBD)。近些年来，越来越多的传感器和执行机构应用到发动机控制系统中，主要原因是由于现代发动机电子控制是基于大量数据的采集，另外汽车安全以及舒适性要求的提高亦需要增加传感器和执行机构。传感器故障诊断技术的研究成为当前汽油机领域研究的热点之一。 本文应用数值检验方法、BP人工智能神经网络和推导法则，提出了一套针对电控汽油机三个传感器：曲轴位置传感器(CPS)、节气门位置传感器(TPS)、进气歧管压力传感器(MAP)的故障诊断与调节策略。应用数值检验方法诊断上述三个传感器的短路、断路故障；在每个采样时刻，比较故障诊断神经网络输出值和传感器实际输出值得到冗余值，通过判断该值是否超出误差限值对TPS、MAP的值不变以及未标定故障进行诊断。一旦诊断TPS或MAP出现故障，基于神经网络的故障调节模块将运行并给出故障传感器的调节值。通过台架试验采集数据，对故障诊断及调节网络训练和验证，结果表明该策略是切实有效的。

目录

文摘

英文文摘

独创性声明及学位论文版权使用授权书

第一章绪论

第二章人工神经网络技术

第三章故障诊断与调节策略的设计

第四章故障诊断与调节策略试验研究

第五章总结及展望

参考文献

致谢