神經(jīng)網(wǎng)絡(luò)在汽車故障診斷系統(tǒng)中的應(yīng)用

1、神經(jīng)網(wǎng)絡(luò)在汽車故障診斷系統(tǒng)中的應(yīng)用【摘要】隨著經(jīng)濟(jì)的發(fā)展，汽車技術(shù)也得到了很大的發(fā)展。各種先進(jìn)技術(shù)的應(yīng)用使汽車故障產(chǎn)生的原因存在多樣性、綜合性和復(fù)雜性，為了提高修理人員診斷故障、排除故障的能力，將神經(jīng)網(wǎng)絡(luò)應(yīng)用到汽車故障診斷中，完成對故障診斷的功能，從而克服傳統(tǒng)診斷方法獲取信息難、費(fèi)時費(fèi)力、診斷不準(zhǔn)確等缺點(diǎn)?！娟P(guān)鍵詞】故障診斷，神經(jīng)網(wǎng)絡(luò)，自動變速器Neural Network Used in Automobile Fault Diagnosis SystemAbstract: With economic development, Automotive Technology has also be

2、en great. The causes of automotive fault existent diversity,comprehensive and complexity.In order to improve the ability of the repair personal fault diagnosis and troubleshooting.We will apply the neural networks to fault diagnosis of vehicle,It can not only complete the function of fault diagnosis

3、 ,but also overcome the disadvantages of traditional diagnosis methods such as obtaining the knowledge difficulty,taking a lot of time and diagnosing imprecisely.Key words: fault diagnosis,neural network,automatic transmission1.引言隨著現(xiàn)代汽車工業(yè)的發(fā)展，人們對汽車的安全性、操穩(wěn)性、經(jīng)濟(jì)性、環(huán)保性等性能要求的越來越高，汽車產(chǎn)品的功能和結(jié)構(gòu)日趨復(fù)雜，許多的機(jī)械系統(tǒng)已經(jīng)被電

4、子控制系統(tǒng)取代，汽車已經(jīng)是一個典型的機(jī)電一體化產(chǎn)品，這些部件的大量使用，大大增強(qiáng)了汽車故障診斷的難度，一些故障很難用傳統(tǒng)的方法進(jìn)行判斷。為了提高維修效率，必須采用更好更加高效的診斷方法。由于神經(jīng)網(wǎng)絡(luò)具有大規(guī)模的并行，分布式存儲和處理、自組織、自適應(yīng)和自主學(xué)習(xí)等優(yōu)越性能，成為人工智能研究的重要工具。針對這種特點(diǎn)，將神經(jīng)網(wǎng)絡(luò)引入到汽車故障診斷系統(tǒng)，利用BP神經(jīng)網(wǎng)絡(luò)建立汽車發(fā)動機(jī)的故障診斷模型，更好更快的分析出汽車發(fā)動機(jī)的故障，更快更好的排除故障。2.汽車故障診斷技術(shù)現(xiàn)代汽車中，技術(shù)含量越來越高，單純依靠經(jīng)驗(yàn)很難做到在不解體的情況下迅速、準(zhǔn)確的判斷故障位置。到20世紀(jì)90年代才逐漸出現(xiàn)了一個廣泛認(rèn)同

5、的標(biāo)準(zhǔn)，OBD-II標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)由美國汽車工程學(xué)會提出，目前得到了世界不同汽車生產(chǎn)廠家的認(rèn)同?，F(xiàn)代的故障診斷工具還沒有脫離“故障代碼讀取工具”的范圍，因此不僅僅故障診斷工具本身需要改進(jìn)，而且開發(fā)故障診斷支援系統(tǒng)也成為亟待解決的問題。隨著汽車電子技術(shù)的應(yīng)用和發(fā)展，傳統(tǒng)的診斷方法和診斷設(shè)備在精確度和使用的方便性方面，都不能適應(yīng)汽車技術(shù)的發(fā)展和用戶的需要。為了更加提高維修質(zhì)量，國內(nèi)外的汽車故障診斷技術(shù)正朝著智能診斷的方向發(fā)展，采用模式識別方法、專家系統(tǒng)法等新的診斷方法，由計(jì)算機(jī)分析處理被診斷對象所提供的信息，從而做出智能化的診斷結(jié)論。3.神經(jīng)網(wǎng)絡(luò)在汽車故障診斷應(yīng)用中的基本原理3.1神經(jīng)網(wǎng)絡(luò)的基本原理

6、神經(jīng)網(wǎng)絡(luò)是對人類大腦的一種物理結(jié)構(gòu)上的模擬，采用計(jì)算機(jī)仿真的方法，從物理結(jié)構(gòu)上模擬人腦，以使系統(tǒng)具有人腦的某些智能。它由大量簡單元件相互連接而形成的一個復(fù)雜的網(wǎng)絡(luò)，具有高度的非線性，能夠進(jìn)行復(fù)雜的邏輯操作和非線性關(guān)系的實(shí)現(xiàn)，其中目前應(yīng)用最為廣泛的模型是多層前饋神經(jīng)網(wǎng)絡(luò)模型，由輸入層節(jié)點(diǎn)、輸出層節(jié)點(diǎn)和隱藏層節(jié)點(diǎn)構(gòu)成，其中隱含層可以是一層或多層，相鄰層采用全互連結(jié)構(gòu)，其BP網(wǎng)絡(luò)結(jié)構(gòu)圖如下：圖1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)3.2 BP神經(jīng)網(wǎng)絡(luò)算法的基本原理BP神經(jīng)網(wǎng)絡(luò)的算法的基本原理是梯度最速下降法，其中心思想是調(diào)整權(quán)值使網(wǎng)絡(luò)總誤差最小，也就是采用梯度搜索技術(shù)，使網(wǎng)絡(luò)的實(shí)際輸出值與期望輸出值的誤差均方值為最小

7、。BP網(wǎng)絡(luò)的學(xué)習(xí)過程包含了正向傳播和反向傳播兩個階段，正向傳播過程中，輸入信息從輸入層經(jīng)隱藏層逐層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果輸出層不能得到期望的輸出值，則轉(zhuǎn)入反向傳播，將誤差信號沿原來的連接通道返回，通過修改各層神經(jīng)元權(quán)值，使誤差信號最小。為了能夠運(yùn)用梯度算法，首先將神經(jīng)元的激勵函數(shù)改造成可微的S型函數(shù)。推導(dǎo)此算法的困難在于多層復(fù)合函數(shù)求偏導(dǎo)數(shù)，使得公式非常冗長和復(fù)雜，而BP算法正好巧妙地解決了這個問題。假設(shè)N是一個前向神經(jīng)網(wǎng)絡(luò)，給定樣本集K，對第p個樣本進(jìn)行迭代學(xué)習(xí)，設(shè)迭代到第t時刻時網(wǎng)絡(luò)的權(quán)值、閾值矩陣為W（t），其相對應(yīng)的誤差平方和為E(W(t)

8、，用梯度算法迭代搜索求W的最優(yōu)值為： 其中是迭代的步長用梯度法的主要難度在于給出的表達(dá)式，因?yàn)閙層前向網(wǎng)絡(luò)E(W)是一個具有2m+1的復(fù)合函數(shù)，用一般求法和函數(shù)的偏導(dǎo)數(shù)公式很難求出，并可能是表達(dá)式復(fù)雜無比。因此，在推導(dǎo)的過程中引用“誤差”的概念，令第一層第i個神經(jīng)元的誤差為： 其中表示第一層第i個神經(jīng)元的凈輸入從而推導(dǎo)出各層的“誤差”之間有如下的遞推關(guān)系：從這個關(guān)系式中可以看出誤差將沿網(wǎng)絡(luò)向后傳播，這也是BP算法名稱的由來，利用“誤差”，還可以將梯度表示為： 其中表示其對應(yīng)神經(jīng)元的輸出這樣就將梯度法求目標(biāo)值最小的算法表達(dá)得非常清楚了，而且具有鮮明的物理意義，這也是BP算法能被廣泛接受的重要原因

9、。3.3 BP原理算法的步驟（1）構(gòu)造網(wǎng)絡(luò)拓補(bǔ)結(jié)構(gòu)，選取合理的網(wǎng)絡(luò)學(xué)習(xí)參數(shù)。（2）置網(wǎng)絡(luò)各權(quán)值和閾值的初始值、為-1,1區(qū)間內(nèi)的隨機(jī)數(shù)。（3）加載訓(xùn)練用的學(xué)習(xí)樣本：輸入向量Xp(p=1,2,k)和期望輸出Yp(p=1,2,k)，對每個樣本重復(fù)步驟48。（4）計(jì)算網(wǎng)絡(luò)的實(shí)際輸出及隱藏單元的狀態(tài)（假定激勵函數(shù)為Sigmoid函數(shù)）；（5）計(jì)算網(wǎng)絡(luò)輸出誤差 （6）若EEs（系統(tǒng)平均誤差容限）或EpEps（單個樣本的誤差容限）或達(dá)到指定的迭代步數(shù)，學(xué)習(xí)結(jié)束，否則進(jìn)行誤差反向傳播，轉(zhuǎn)向（7）。（7）計(jì)算訓(xùn)練誤差： （輸出層） （隱藏層）（8）修正權(quán)值和閾值：（9）轉(zhuǎn)向步驟（3）。4.神經(jīng)網(wǎng)絡(luò)在自動變速器

10、中的故障診斷4.1 自動變速器故障分析自動變速器是汽車的重要傳動部件，其質(zhì)量和運(yùn)行狀況直接影響到汽車整車的使用情況，隨著變速器性能的不斷完善，結(jié)構(gòu)也越來越復(fù)雜。自動變速器成為集液壓技術(shù)、電子技術(shù)和機(jī)械技術(shù)于一體的精密機(jī)電產(chǎn)品，產(chǎn)生故障可能是電子控制系統(tǒng)、液壓控制系統(tǒng)或者是變速器內(nèi)部機(jī)械部分出現(xiàn)問題，而且各部分本身的情況也比較復(fù)雜，故障產(chǎn)生的原因也有可能不是單一的。以某自動變速器為例，其電子控制系統(tǒng)由變速器控制模塊，各種傳感器，3個換擋控制電磁閥、2個離合器壓力控制電磁閥、1個鎖止控制電磁閥等執(zhí)行器組成；控制模塊根據(jù)換檔桿的位置信號、進(jìn)氣歧管壓力信號、發(fā)動機(jī)轉(zhuǎn)速信號、節(jié)氣門位置信號、車速信號、變

11、速器主軸和中間軸轉(zhuǎn)速以及冷卻水溫?zé)粜盘?，?shí)現(xiàn)換檔時刻控制、變矩器的鎖定、坡度模式控制、安全失效保護(hù)和故障顯示以及自診斷等功能。4.2自動變速器的診斷方案自動變速器的故障通常分為機(jī)械系統(tǒng)故障、液壓系統(tǒng)故障和電子控制系統(tǒng)故障等幾個方面。但事實(shí)上來說，變速器常見的故障主要為離合器打滑、磨損、制動器故障、調(diào)壓閥故障等機(jī)械方面的故障；還有油路壓力低，油變質(zhì)等液壓系統(tǒng)故障和換擋電磁閥、壓力控制電磁閥、車速傳感器等電子系統(tǒng)方面的故障。當(dāng)發(fā)生這些故障時，自動變速器將不能正確及時換入相應(yīng)的檔位，發(fā)生自動換擋困難的故障。這一故障的發(fā)生與換擋時刻、發(fā)動機(jī)轉(zhuǎn)速、油門、車速、變速器輸入軸轉(zhuǎn)速、換檔電磁閥等執(zhí)行器輸出存在

12、一定得對應(yīng)關(guān)系，根據(jù)變速器工作特點(diǎn)，在某一特定的故障中，這些參數(shù)都存在對應(yīng)的關(guān)系，根據(jù)這一特點(diǎn)，可以將神經(jīng)網(wǎng)絡(luò)的方法應(yīng)用到自動變速器故障診斷中，從而得出整個方案的流程如圖2所示：傳感器信號預(yù)處理數(shù)據(jù)采集數(shù)據(jù)顯示、存儲神經(jīng)網(wǎng)絡(luò)模型數(shù)據(jù)處理分析診斷結(jié)果圖2 診斷方案流程圖4.3 神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)利用數(shù)據(jù)采集儀器，就可以做多次實(shí)驗(yàn)，并記錄采集的數(shù)據(jù)，作為某個故障的訓(xùn)練樣本，從理論來說，訓(xùn)練樣本要求越多越好，這樣結(jié)果就越來越精確。采集到得訓(xùn)練樣本為下表所示：表1 部分訓(xùn)練樣本序號發(fā)動機(jī)轉(zhuǎn)速（N）節(jié)氣門開度（V）車速(km/h)水溫（）主軸轉(zhuǎn)速（HZ）換擋電磁閥輸出信號ABC18000.496.481.

13、75500110219010.821583.512400110321801.003083.813471100425981.243884.217001100530211.606682.419951010630882.2410084.520190000736003.0012082.124490000816700.807.484.91680001922001.001683135000011026801.605685170010114.4 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程就是權(quán)值和閾值的獲取過程，主要任務(wù)就是對輸入樣本進(jìn)行訓(xùn)練，建立預(yù)期的網(wǎng)絡(luò)診斷系統(tǒng)，然后根據(jù)已有的數(shù)據(jù)，輸入到該網(wǎng)絡(luò)診斷系統(tǒng)中，再通過

14、網(wǎng)絡(luò)訓(xùn)練系統(tǒng)建立權(quán)值和閾值，并進(jìn)行調(diào)整，從而達(dá)到所需的精度要求。輸入樣本如表2所示：表2 檢測樣本表序號發(fā)動機(jī)轉(zhuǎn)速（N）節(jié)氣門開度（V）車速(km/h)水溫（）主軸轉(zhuǎn)速（HZ）換擋電磁閥輸出信號ABC120000.993381.715501100228091.344083.518401010319800.892680.811410001430981.727087.119060001521331.512084.48561101根據(jù)神經(jīng)網(wǎng)絡(luò)的算法，采用神經(jīng)網(wǎng)絡(luò)為3層（輸入層、隱藏層、輸出層），網(wǎng)絡(luò)系統(tǒng)的總誤差為0.001，得出網(wǎng)絡(luò)訓(xùn)練誤差曲線如圖3所示：圖3 網(wǎng)絡(luò)訓(xùn)練誤差曲線5 結(jié)論本文通過建立神經(jīng)網(wǎng)絡(luò)模型，初步分析了自動變速器產(chǎn)生故障的原因，并將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用到自動變速器的故障診斷系統(tǒng)中，通過分析得出，BP神經(jīng)網(wǎng)絡(luò)能夠在一定程度上解決某些實(shí)際的故障問題，這種方