汽车高速发动机气路设备故障检测仿真分析.pdf

《汽车高速发动机气路设备故障检测仿真分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第3l卷第6期计算机仿真2014年6月文章编号：1006—9348(2014)06—0197—04汽车高速发动机气路设备故障检测仿真分析于江蛟(长春理工大学光电信息学院，吉林长春130012)摘要：汽车高速发动机设备在发生故障过程中，一般会产生短时、瞬间电流异常。以上特征可作为设备发生对接故障的依据。传统的故障检测方法针对瞬间、小强度的电流特征，无法实时捕获敏感的电流异常故障特征，导致传统故障检测方法对敏感度不高的故障特征检测存在误差，漏检率较高。提出改进神经网络的故障检测方法，依据高速发动机设备中的电流异常特征参数，采用神经网络的自适应性能获取电流的异常

2、波动周期情况，把异常的电流信号当成一种特殊噪声，使用非线性滤波方法过滤电力特征参数中的噪声，对电流特征参数进行离散化操作运算系数，分析该系数同电气设备故障系数阀值间的关系，对高速发动机气路故障进行准确检测。实验结果说明，上述算法提高了故障检测的准确率。关键词：汽车高速发动机；故障检测；神经网络中图分类号：TP244文献标识码：BSimulationAnalysisofFaultDetectionofPneumaticDevicesofAutomobileHighSpeedEnginesYUJiang—jiao(CollegeofOpticalandElec

3、tronicalInformation，ChangchunUniversityofScienceandTechnology，ChangchunJilin130012，China)ABSTRACT：Inthisarticle，afaultdetectionmethodbasedonanimprovedneuralnetworkWasprovided．Thismethodisbasedonthecharacteristicsparametersofabnormalcurrentofthedeviceinhighspeeden舀ne，tocapturetheab

4、normalcycleoffluctuationbyadaptivecapacityofneuralnetwork．Abnormalcurrentsignalswereconsideredasaspecialnoiseinthismethod，andnoiseofelectricalcharacteristicsparametersWasfilteredbynonlinearfilteringmethod．Electricalcharacteristicsparameterswerediscretizedasoperatingcoefficients．Th

5、erelationshipbetweenthesecoefficientsandthresholdvalueofpneumaticdevicesfaultwasanalyzedtodetectthefaultaccurately．There—suitsshowthattheaccuracyrateoffaultdetectionisimprovedbyusingabovealgorithm．KEYWORDS：Automobilehighspeeden舀ne；Faultdetection；Neuralnetwork1引言随着汽车行业的不断发展，汽车工业生产中

6、采用的发动机种类逐渐增加，大型发动机设备中如果存在大量违规原件、失效原件等故障现象，会使得汽车高速发动机设备出现超载问题，带来重大的安全隐患，影响人们的生命和财产安全，因此寻求合理的方法准确检测大型高速发动机中的故障节点具有重要的意义¨oJ。如果发动机中存在故障节点，则按照设备中电流峰值波动信号，检测到发动机中故障节点。因而汽车发动机中故障节点的检测，成为汽车行业发动机安全发展的必然趋势，具有较强的应用价值【3』。收稿日期：2014—02—18当前汽车工业生产中，文献[4]分析了一种依据流化床压力信号的混沌特性分析及流型识别方法，是一种依据模糊特征的故障信

7、号检测方法¨o。文献[5]分析了应用在发动机三相电路的依据神经网络的自适应谐波异常电流检测技术”o，文献[6]分析了基于小波变换的发动机故障检测改进算法∞o，汽车发动机由多个不同节点组成，节点之间经常经历电流、电压的异常改变，形成扰动环境。故障信号多是在这种扰动环境下形成。汽车高速发动机设备在发生故障过程中，一般会产生短时、瞬间电流异常，以此特征可作为设备发生对接故障的依据。传统的故障检测方法针对这种瞬间、小强度的电流特征，无法实时捕获敏感的电流异常故障特征，导致传统故障检测方法对这种敏感度不高的故障特征检测存在困难，漏检率较高"’6o。一】97—提出基于

8、改进神经网络的故障检测方法，依据高速发动机设备中的电流异常特征参数