基于数据融合的发动机故障诊断系统研究

《基于数据融合的发动机故障诊断系统研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、武汉科技大学硕士学位论文第1页摘要随着我国经济及交通事业的发展，汽车得到了广泛的应用，己成为现代社会的标志之一。但由于汽车发动机结构复杂，工作条件恶劣，使得汽车发动机故障率较高，维修保养费用较大。因此有必要寻求简易、实用而高效的汽车发动机故障诊断方法。本文是在参考大量故障诊断资料的前提下，结合汽车发动机故障发生的特点，将近年来在控制领域里比较热门的方法一多传感器数据融合技术应用于汽车发动机的故障诊断中去。在深入研究了数据融合的算法之后，通过理论推导和仿真实验证明，将数据融合方法中的模糊逻辑和人工神经网络相结合应用于发动机的故障诊断中，可以取得

2、较好的诊断效果。为了取得更好的效果，本文在原有方法的基础上对其进行了改进，设计一种新的方法(FNNC算法)对系统进行训练，仿真实验证明该方法快捷有效，有较好的理论和实际应用价值。本文主要介绍的内容有：(1)介绍故障诊断尤其是汽车发动机故障诊断技术的发展和现状；(2)介绍多传感器数据融合技术的发展和现状，着重介绍模糊逻辑和人工神经网络方法；(3)结合发动机故障发生特点和数据融合方法特点设计故障诊断系统，对原有的数据处理方法进行改进，给出一种新的算法(FNNC算法)以期获得更好的效果；(4)利用MATLAB软件，对本文设计的发动机故障诊断系统进行

3、仿真，给出仿真试验结果，对试验结果进行分析：(5)总结和展望。关键词：发动机；故障诊断；数据融合；模糊；神经网络；共轭梯度第1I页武汉科技大学硕士学位论文AbstractWiththedevelopmentofChina’Seconomicandtransport，carshavebeingwidelyusedinmanyfields．Ithasbecomeoneofthemarksofmodemsociety．However,asthecomplexstructuresofengine，poorworkingconditions，makin

4、gthefailureratehi．ghandmaintenancecostsmuch．Itisthereforenecessarytofindsimple，practicalandeffectiveenginefaultdiagnosismethod．Thispaperiswritenunderthepremiseofinreadinglargeinformationaboutfaultdiagnosiscombiningtheenginefaultcharacteristics．Tryingtousethemethodcomparison

5、—multi—SenSOrdatafusionwhichisquitepopularinthefieldofcontrolinrecentyearstodevelopafaultdiagnosissystemusedintheautomotiveengine．ThroughtheoreticalanalysisandsimulationresultsshowthatthedatafusionmethodeoffuzzylogicandneuralnetworksappliedintheenginefaultdiagnosisCangetbet

6、terresults．Inordertoachievebetterresults，onthebasisthispaperdesignanewmethod-FNNC，anduseitinthetrainingofthesystem，simulationexperimentsshowthatitisallefficientandeffectiveway,haveagoodfuthureintheoryandapplication．Thispaperincludesthecontent：(1)Introductionoffaultdiagnosis

7、inparticular,theautomobileenginefaultdiagnosistechnologyandthestatus；(2)Introductionofmulti-sensordatafusiontechnologydevelopmentandthestatus，focusedonfuzzylogicandneuralnetwork；(3)Thecombinationofenginefailuresinthecharacteristicsandfeaturesofdatafusionmethodanddesignafaul

8、tdiagnosissystem，giveanewmethod(FNNC)andlookforwardtoimprovetheAccuracyrate；(4)Sim