[发明专利]基于信息融合的发动机喷油量异常故障诊断方法

说明书

技术领域：

本发明是一种基于信息融合的发动机喷油量异常故障诊断方法，能通过融合汽车的多个信息，应用神经网络技术诊断发动机故障。技术领域包括汽车电子控制技术、神经网络技术、模糊数学等。

背景技术：

汽车的每一个传感器都有自己标准的工作波形，当测试的波形与标准波形不同时，就是该元件或与之相关的部件发生了故障。如果再应用融合技术将与某一故障现象相关的电子信号融合，兼顾各种信号信息，就可以提高故障诊断的准确性。现阶段，基于信息融合技术诊断发动机故障的研究比较广泛，但是由于每项研究融合的信号不相同，并且信号波形提取的特征也不相同，所以通过融合方法诊断的故障种类并不相同。发动机喷油量异常故障是发动机常见故障，影响喷油器喷油量的因素有多个，所以即使喷油驱动器的波形接地时间不正确，即喷油量异常，也不能明确故障原因。由于发动机喷油量以空气流量传感器作主要控制，同时，还受蓄电池电压的影响，所以融合这二种信号信息，共同诊断发动机喷油量异常的故障。

发明内容：

本发明可以解决的问题是，克服背景技术的不足，应用汽车电子控制技术、神经网络技术、模糊数学，应用BP神经网络对发动机喷油量异常故障进行诊断。

本发明解决技术问题所采用的技术方案是：一种基于信息融合的发动机喷油量异常故障诊断方法，由数据采集系统、模糊处理系统、神经网络系统组成，主要是采集翼板式空气流量传感器、12V铅蓄电池信号。数据采集系统采集并融合发动机的空气流量传感器信号波形特征、蓄电池电压波形特征，这些特征值被引入到模糊处理系统；模糊处理系统完成对特征值的模糊化处理，数值范围为[0，1]，这些模糊化的数据作为神经网络系统的输入值；神经网络系统设计为多输入多输出结构的BP神经网络，输入层为被模糊化的波形特征值，输出层为诊断的故障。本发明的优点是融合汽车多个元件的信息，通过元件之间的相互关联，提高发动机喷油量异常故障的诊断准确性，为汽车维修企业提供技术帮助。本发明可以广泛地应用于各类汽车故障诊断中。

具体实施方式：

下面对本发明的具体实施方式作进一步详细地描述。

该方法由数据采集系统、模糊处理系统、神经网络系统组成，应用被模糊化的空气流量传感器信号的波形特征值、蓄电池电压信号的波形特征值作为神经网络系统的输入值，利用多输入多输出结构的BP神经网络完成发动机喷油量异常的故障诊断。数据采集系统负责采集空气流量传感器信号的波形特征值、蓄电池电压信号的波形特征值。空气流量传感器提取的信号特征为6个，分别是节气门关闭时电压、节气门全开时电压、在节气门关-开过程中，波形是否连续变化、波形最低电压、波形最高电压、波形是否光滑。蓄电池电压提取的信号特征为5个，分别是起动时最低电压、静态电压、维持起动电压、30秒钟后电压、发动机怠速运转电压。这些波形特征值被引用到模糊处理系统；模糊处理系统应用模糊数学对空气流量传感器、蓄电池电压两种信号的波形特征值进行预处理，使各特征值数值分布在[0，1]范围内，这些数据应用到神经网络系统中；神经网络系统，建立多输入多输出的BP神经网络结构，输入层单元数为11、隐层单元数为8、输出层单元数为7。神经网络的输入层为从模糊处理系统获得的波形特征值，神经网络输出层为诊断得出的发动机喷油量异常的故障种类，即神经网络输出层单元，包括蓄电池损坏、蓄电池亏电、起动机故障、发电机故障、线路故障、空气流量传感器损坏、喷油器积碳。