基于RBF和數(shù)據(jù)流的汽車電控發(fā)動(dòng)機(jī)故障診斷裝置研究

摘 要： 動(dòng)態(tài)數(shù)據(jù)流能夠?yàn)榫S修工作提供強(qiáng)大的輔助作用，維修人員據(jù)此能夠?qū)Ω黝悅鞲衅鳟a(chǎn)生的相關(guān)動(dòng)態(tài)數(shù)據(jù)（輸進(jìn)、輸出訊號期間）進(jìn)行快速解讀，可有效彌補(bǔ)傳統(tǒng)評判、維修汽車產(chǎn)生各類故障過程以維修經(jīng)驗(yàn)為主的方式的不足。主要對基于RBF和數(shù)據(jù)流的汽車電控發(fā)動(dòng)機(jī)故障診斷過程進(jìn)行了研究，在分析汽車數(shù)據(jù)流的基礎(chǔ)上，介紹了運(yùn)用 RBF和數(shù)據(jù)流診斷電控發(fā)動(dòng)機(jī)故障的原理及過程，進(jìn)一步提高借助數(shù)據(jù)流開展診斷與評判相關(guān)故障工作的效率及準(zhǔn)確率，以期為完善發(fā)動(dòng)機(jī)故障的檢測過程提供參考。

關(guān)鍵詞： 數(shù)據(jù)流; RBF 神經(jīng)網(wǎng)絡(luò); 電控發(fā)動(dòng)機(jī); 故障診斷

中圖分類號： TP 393文獻(xiàn)標(biāo)志碼： A

Research on Fault Diagnosis Device of Automobile Electronic

Control Engine Based on RBF and Data Flow

MAI Peng

（Department of Automotive Engineering，Xian Vocational University of Automobile，?? Xian， Shanxi? 710600， China）

Abstract： Dynamic data flow can provide a powerful auxiliary function for maintenance work. Maintenance personnel can quickly interpret related dynamic data （during input and output signals） generated by various sensors， which can effectively compensate for traditional evaluation and maintenance of automobile production. This paper mainly studies the fault diagnosis process of automobile electronically controlled engine based on RBF and data flow. Based on the analysis of automobile data flow， it introduces the application of RBF and data flow， diagnoses electronically controlled engine failure， and further improves the efficiency and accuracy of the diagnosis and evaluation of related faults by means of data flow， in order to provide reference for improving the detection process of engine faults.

Key words： data flow; RBF neural network; electronically controlled engine; fault diagnosis

0 引言

隨著汽車自動(dòng)化程度的不斷提高，汽車中電子設(shè)施的不斷增多及發(fā)動(dòng)機(jī)豐富的功能使發(fā)動(dòng)機(jī)結(jié)構(gòu)日益復(fù)雜，從而使發(fā)動(dòng)機(jī)發(fā)生故障時(shí)的診斷難度不斷提升，發(fā)動(dòng)機(jī)故障診斷問題日益突出，傳統(tǒng)故障診斷方法已經(jīng)難以滿足現(xiàn)代汽車電控發(fā)動(dòng)機(jī)故障對診斷質(zhì)量及效率的要求，因此對汽車故障的一般規(guī)律進(jìn)行研究以供維修過程參考和使用具有重要的理論和實(shí)際應(yīng)用價(jià)值，通過先進(jìn)高效方法的應(yīng)用實(shí)現(xiàn)電控發(fā)動(dòng)機(jī)故障的診斷成效的有效提升成為領(lǐng)域的研究重點(diǎn)之一。汽車數(shù)據(jù)流為復(fù)雜的發(fā)動(dòng)機(jī)故障問題的有效解決提供了有效手段，數(shù)據(jù)流技術(shù)基于執(zhí)行器、傳感器技術(shù)通電控系統(tǒng)間的相互作用，可預(yù)先針對產(chǎn)生的問題給予警示及問題產(chǎn)生的原因及位置等，促進(jìn)了汽車優(yōu)化控制水平的顯著提高，為使電控發(fā)動(dòng)機(jī)故障能夠被快速準(zhǔn)確的定位進(jìn)而顯著提高維修效率，本文結(jié)合運(yùn)用RBF和數(shù)據(jù)流提出了一種汽車電動(dòng)機(jī)故障的診斷方法，為維修工作提供參考，以確保汽車能夠安全運(yùn)作。

1 現(xiàn)狀分析

儀器診斷法等傳統(tǒng)方式在診斷汽車電控發(fā)動(dòng)機(jī)相關(guān)故障時(shí)，通常還需結(jié)合維修人員所積攢的實(shí)際工作經(jīng)驗(yàn)完成對各類故障的診斷過程，在處理部分故障方面此種方式發(fā)揮出了尤為重要的作用，但隨著汽車行業(yè)發(fā)展水平的不斷提升，僅憑經(jīng)驗(yàn)的故障診斷方法已難以滿足對現(xiàn)代汽車維修質(zhì)量的需求，維修有關(guān)人員在對電控裝配通過使用儀器診斷法對所產(chǎn)生的各類異常進(jìn)行評判時(shí)通常以故障碼作為搜尋故障的憑據(jù)，雖然以電控發(fā)動(dòng)機(jī)中發(fā)生的故障代碼（儲藏于電子控制單元中）為依據(jù)開展診斷工作能夠?qū)崿F(xiàn)故障產(chǎn)生部位快速準(zhǔn)確的定位，但電子控制單元無法對相關(guān)內(nèi)容（包括訊號偏差、短路故障等）進(jìn)行記錄，并且電控發(fā)動(dòng)機(jī)相關(guān)故障存在難以借助故障碼有效凸顯的問題，這就需要維修人員對引發(fā)故障的各類因素做進(jìn)一步搜尋，可從傳感器自身工作狀態(tài)、壓力等出發(fā)。汽車傳感器、執(zhí)行器在同電子控制單元進(jìn)行交流時(shí)會(huì)產(chǎn)生相應(yīng)的數(shù)據(jù)參數(shù)，這些參數(shù)即構(gòu)成了具體的汽車數(shù)據(jù)流，汽車數(shù)據(jù)流會(huì)受到時(shí)間及工況的影響，在診斷汽車

故障時(shí)使用專業(yè)診斷儀器實(shí)現(xiàn)通過診斷接口完成相關(guān)數(shù)據(jù)的獲取，相關(guān)器件（以執(zhí)行器和傳感器為主）的工作狀態(tài)和電壓通過數(shù)據(jù)流可實(shí)現(xiàn)客觀準(zhǔn)確的反映及汽車故障的準(zhǔn)確定位，從而為維修工作提供了重要依據(jù)。近年來隨著以小波分析法（基于傅里葉方法）為代表的汽車故障診斷方法的發(fā)展和完善，通過在對汽車故障進(jìn)行診斷的過程中精細(xì)化處理相關(guān)噪聲，使故障檢測工作準(zhǔn)確率及檢測效率得以有效提升[1]。同時(shí)通過建立數(shù)學(xué)模型對汽車故障進(jìn)行診斷（如貝葉斯網(wǎng)絡(luò)法、基于本體理論建模等解析模型診斷法），本文則結(jié)合運(yùn)用數(shù)據(jù)流和 RBF研究診斷電控發(fā)動(dòng)機(jī)故障的實(shí)現(xiàn)方法。

2 基于數(shù)據(jù)流的發(fā)動(dòng)機(jī)故障診斷途徑

汽車作為機(jī)電一體化產(chǎn)品的典型代表，電控相關(guān)技術(shù)的提升已成為汽車領(lǐng)域進(jìn)步的方向之一，快速發(fā)展的信息技術(shù)和電子技術(shù)為汽車發(fā)動(dòng)機(jī)的電控技術(shù)水平提供了強(qiáng)大的技術(shù)支撐，促進(jìn)了汽車發(fā)動(dòng)機(jī)功能先進(jìn)水平及功能不斷提升，隨著汽車設(shè)計(jì)中傳感器（位于電控體系中）的普遍應(yīng)用，催生出了數(shù)據(jù)流分析，在電控發(fā)動(dòng)機(jī)診斷過程中使傳統(tǒng)各類診斷方法同數(shù)據(jù)流間得以有效融合，為發(fā)動(dòng)機(jī)相關(guān)故障的處理提供技術(shù)支撐，按照汽車領(lǐng)域現(xiàn)階段發(fā)展情況，基于數(shù)據(jù)流分析的電控發(fā)動(dòng)機(jī)故障診斷方式主要包括：

2.1 靜態(tài)數(shù)據(jù)流

在汽車電控發(fā)動(dòng)機(jī)相關(guān)故障中應(yīng)用靜態(tài)數(shù)據(jù)流時(shí)，多功能的故障診斷儀（包括示波器及解碼器等）為成為實(shí)施診斷過程中的重要設(shè)施，外接壓力為 10-15 V的故障診斷儀的主要構(gòu)成部分為容性感應(yīng)夾、測試及電源延長線等，在使用時(shí)需結(jié)合運(yùn)用相關(guān)測試插頭，例如，對需外接其余電源的診斷座，需對設(shè)施蓄電池的正極和負(fù)極分別同紅色鱷魚夾和黑色鱷魚夾進(jìn)行聯(lián)結(jié)。作為設(shè)施中的關(guān)鍵構(gòu)成，診斷盒、主機(jī)等在運(yùn)用時(shí)需以相關(guān)規(guī)定和配備情況為依據(jù)，例如某一汽車在運(yùn)行了35 000千米后產(chǎn)生熄火及難以正常啟動(dòng)發(fā)動(dòng)機(jī)的現(xiàn)象，維修相關(guān)人員運(yùn)用靜態(tài)數(shù)據(jù)流診斷故障后確定了汽車中的冷卻液溫度為20 ℃，據(jù)此評判出汽車故障同溫度傳感器（位于冷卻液中）的傳送訊號異常相關(guān)，維修相關(guān)人員通過對水溫傳感器進(jìn)行測算后（使用數(shù)字萬用表完成），未能實(shí)現(xiàn)從傳感器中有效讀出故障碼，詢問用戶發(fā)現(xiàn)用戶曾對發(fā)動(dòng)機(jī)使用水槍進(jìn)行清潔，此不正確操作是引發(fā)冷卻液溫度產(chǎn)生異常（即溫度傳感器傳送訊號）的主要因素，最終通過更換冷卻液中的溫度傳感器完成維修過程，汽車又可正常開啟[2]。

2.2 動(dòng)態(tài)數(shù)據(jù)流

汽車點(diǎn)火開關(guān)接通并啟動(dòng)了發(fā)動(dòng)機(jī)即為動(dòng)態(tài)狀態(tài)，可采用診斷儀讀取發(fā)動(dòng)機(jī)電控系統(tǒng)數(shù)據(jù)，在汽車電控發(fā)動(dòng)機(jī)故障診斷過程中，由空氣流量傳感器產(chǎn)生的各類異?？赏ㄟ^使用動(dòng)態(tài)數(shù)據(jù)流完成診斷及處理過程，處理此類故障過程中維修人員需重點(diǎn)關(guān)注的相關(guān)因素內(nèi)容包括發(fā)動(dòng)機(jī)轉(zhuǎn)速、載荷與進(jìn)氣量訊號值等，例如診斷某一汽車產(chǎn)生故障的過程中，針對汽車進(jìn)氣量與發(fā)動(dòng)機(jī)轉(zhuǎn)速訊號，維修人員通過動(dòng)態(tài)數(shù)據(jù)流的使用完成對引發(fā)發(fā)動(dòng)機(jī)怠速轉(zhuǎn)速異常的空氣流量傳感器異常的關(guān)鍵因素的評判[3]。

2.2.1 有故障碼狀態(tài)

此種情況需重點(diǎn)關(guān)注關(guān)于故障碼的傳感器數(shù)據(jù)以便分析出汽車故障，例如，每百公里某輛桑塔納汽車的耗油量增加了1升，在調(diào)整點(diǎn)火正時(shí)后（并已更換火花塞）問題仍未解決，確認(rèn)為非燃油問題，采用故障診斷儀讀取發(fā)動(dòng)機(jī)的故障碼，結(jié)果為“氧傳感器信號超差”，進(jìn)入讀測數(shù)據(jù)塊，讀取16 通道的氧傳感器數(shù)據(jù)值穩(wěn)定在 0.01 V，氧傳感器的讀數(shù)結(jié)果低于0.45 V，據(jù)此推斷可能是由自身信號錯(cuò)誤或混合氣稀導(dǎo)致。再結(jié)合發(fā)動(dòng)機(jī)的表現(xiàn)可判斷出不是混合氣稀問題，接下來檢查氧傳感器，在加濃混合氣的情況下觀察氧傳感器數(shù)據(jù)變化情況，氧傳感器讀數(shù)在持續(xù)加油情況下并未發(fā)生較大變化（僅提高到0.03 V），且加熱線法相電壓正常，據(jù)此斷定氧傳感器被損壞，更換新氧傳感器維修結(jié)束。

2.2.2 無故障碼狀態(tài)

對此種情況下的傳感器信號數(shù)據(jù)通過定量和關(guān)聯(lián)分析完成汽車故障部位的確定。例如行駛中的汽車處于怠速狀態(tài)其發(fā)動(dòng)機(jī)會(huì)抖動(dòng)，加速時(shí)有黑煙冒出表現(xiàn)出行進(jìn)動(dòng)力不足，根據(jù)排黑煙情況可知燃料供給系統(tǒng)中混合氣過濃，實(shí)際噴油量難以滿足負(fù)荷工況，混合氣過濃的情況包含多種原因，發(fā)動(dòng)機(jī) ECU 發(fā)生故障的情況較少，先檢查燃油壓力結(jié)果顯示狀態(tài)正常（248 千帕）。再拆檢氣缸的火花塞發(fā)現(xiàn)較為嚴(yán)重的熏黑及積炭現(xiàn)象，已燒蝕的中心電極降低了跳火能量，更換火花塞后怠速抖動(dòng)問題得以解決但仍存在排氣冒黑煙現(xiàn)象?？諝饬髁總鞲衅骺赡馨l(fā)生故障但更換后仍未消除故障情況，使用故障閱讀儀讀取故障代碼未發(fā)現(xiàn)故障記憶，提升冷卻液至85 ℃后進(jìn)行檢測，結(jié)合發(fā)動(dòng)機(jī)復(fù)合信號顯示值 3.8 V（怠速正常值范圍在1.5～2.5 V間，氧傳感器信號動(dòng)態(tài)值僅為 0.018 V（正常值范圍0.1 ～0.9 V 間）且其信號電壓值過低，證明混合氣稀，判斷氧傳感器發(fā)生故障，檢查發(fā)現(xiàn)氧傳感器加熱電路正常，更換氧傳感器后汽車故障得以解決。

3 汽車電控發(fā)動(dòng)機(jī)故障診斷

汽車數(shù)據(jù)流以檢測儀器上數(shù)據(jù)量的不同顯示方式為依據(jù)可劃分為數(shù)值及狀態(tài)兩種參數(shù)類型，狀態(tài)參數(shù)主要對電控裝置中的工作部件（包括電磁閥及開關(guān)等）進(jìn)行描述，在檢測過程中汽車狀態(tài)參數(shù)呈現(xiàn)出高低變化或是開/關(guān)的不同狀態(tài)。電控裝置中的關(guān)鍵要素（包括工作時(shí)間、溫度、電壓等）則主要通過數(shù)值參數(shù)進(jìn)行描述。在采用 MATLAB 神經(jīng)網(wǎng)絡(luò)對發(fā)動(dòng)機(jī)數(shù)據(jù)流進(jìn)行檢測時(shí)，需以發(fā)動(dòng)機(jī)正常運(yùn)轉(zhuǎn)及出現(xiàn)故障后的兩個(gè)階段的數(shù)據(jù)樣本作為基礎(chǔ)，同時(shí)在進(jìn)行發(fā)動(dòng)機(jī)故障診斷時(shí)需確定網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)及對應(yīng)網(wǎng)絡(luò)參數(shù)，在此基礎(chǔ)上以輸入樣本數(shù)據(jù)為依據(jù)對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，根據(jù)訓(xùn)練結(jié)果輸入所需診斷的數(shù)據(jù)并獲取最終診斷結(jié)果。

3.1 RBF神經(jīng)網(wǎng)絡(luò)模型

作為人工神經(jīng)網(wǎng)絡(luò)的一種，RBF對生物局部調(diào)節(jié)和交疊區(qū)域知識進(jìn)行了充分借鑒，需完成局部接受域執(zhí)行函數(shù)映射，RBF網(wǎng)絡(luò)具體可劃分為三層，各層具有不同的功能，以一系列源點(diǎn)作為主要構(gòu)成的輸入層負(fù)責(zé)完成RBF網(wǎng)絡(luò)同外界的聯(lián)合過程;中間層內(nèi)含一個(gè)隱層，主要負(fù)責(zé)完成輸入空間到隱層空間的轉(zhuǎn)換（屬于非線性變換），通過基函數(shù)（位于隱層中）影響外部輸入信號，即網(wǎng)絡(luò)中的隱層節(jié)點(diǎn)在外部信號接近基函數(shù)中央范圍時(shí)會(huì)產(chǎn)生較大的輸出，實(shí)現(xiàn)RBF網(wǎng)絡(luò)的局部逼近功能。輸出模式在RBF 網(wǎng)絡(luò)中屬于線性，負(fù)責(zé)為信號（作用于輸入層）提供響應(yīng)。在 RBF網(wǎng)絡(luò)系統(tǒng)中，以輸入向量為依據(jù)徑向基神經(jīng)元會(huì)將其同各神經(jīng)元權(quán)值的距離值進(jìn)行輸出，當(dāng)輸入量同網(wǎng)絡(luò)中神經(jīng)元權(quán)值距離較大時(shí)，其所產(chǎn)生的輸出值接近于 0，系統(tǒng)線性神經(jīng)元受到較小的輸出值的影響較小可忽略;當(dāng)所產(chǎn)生的輸出值接近于 1 時(shí)會(huì)激發(fā)第二層線性神經(jīng)元權(quán)值輸出[4]。

3.2 RBF網(wǎng)絡(luò)的學(xué)習(xí)算法

RBF 神經(jīng)網(wǎng)絡(luò)參數(shù)主要需確定兩個(gè)方面即輸出層權(quán)值 W 陣、隱層神經(jīng)元中心向量及詭異化參數(shù)向量（分別由c、σ表示）。在確定隱層神經(jīng)元中心時(shí)，隱層神經(jīng)元中心通過使用基于線性學(xué)習(xí)規(guī)則的k-means 聚類（沒有監(jiān)督的方案）完成確定，為使網(wǎng)絡(luò)局部陷入極小點(diǎn)問題得以有效避免，在RBF 網(wǎng)絡(luò)中通過調(diào)整 k 值以確保RBF 具有良好的局部逼近能力，從而實(shí)現(xiàn)整個(gè)網(wǎng)絡(luò)收斂性能的提高，具體計(jì)算流程如下。

先對初始化中心進(jìn)行確定并由 ci（0）表示，1≤t≤M，以Xm（m=1，2，…，M）表示輸入樣本，從輸入樣本中選擇 M 個(gè)樣本并將其作為聚類中心，由 ac（0）表示初始學(xué)習(xí)速率。

接下來對樣本進(jìn)行分組（以樣本最鄰近的規(guī)則為依據(jù)），在 t 時(shí)刻由Xn（t）表示輸入向量，計(jì)算各個(gè)Xn（t）同中心的距離，在此基礎(chǔ)上獲取一個(gè)最小的距離，具體表達(dá)式如下[5]。

然后對中心值進(jìn)行更新，所依據(jù)的更新規(guī)則如下[6]。

在對學(xué)習(xí)的完成情況及樣本中心分布的狀態(tài)（是否不再變化）進(jìn)行判斷，分布穩(wěn)定則計(jì)算工作結(jié)束，否則另 n=n+1 返回到對樣本進(jìn)行分組的步驟急需進(jìn)行。最終獲取 ci（i =1，2，…，M）的計(jì)算結(jié)果即為RBF的基函數(shù)的中心。

在完成隱層神經(jīng)元中心的確定后，需對高斯函數(shù)的寬度進(jìn)行確定，利用歸一化參數(shù)進(jìn)行計(jì)算，計(jì)算結(jié)果即為高斯函數(shù)的寬度，同所選中心間的最大距離由dm表示，RFB隱層節(jié)點(diǎn)的數(shù)目由M 表示，具體公式如下[7]。

在確定了參數(shù)σi 的基礎(chǔ)上，可使輸出層權(quán)值的訓(xùn)練過程得以有效簡化，能量函數(shù) E的表達(dá)式如下。

根據(jù)訓(xùn)練樣本可獲取使 E 最小的權(quán)值參數(shù)，使用遞推最小二乘法完成訓(xùn)練過程。

4 故障診斷的實(shí)現(xiàn)

4.1 診斷數(shù)據(jù)采集

汽車電子控制系統(tǒng)帶有 OBDII（隨車診斷系統(tǒng)）的基于 B 類數(shù)據(jù)通信網(wǎng)絡(luò)協(xié)議，B 類網(wǎng)絡(luò)通信應(yīng)用可主要?jiǎng)澐譃閮深愐圆煌俾释ㄐ胚M(jìn)行的優(yōu)化設(shè)計(jì)（即10.4 KB、41.6 KB），

本文基于主流的 OBDII 自診斷協(xié)議完成了發(fā)動(dòng)機(jī)診斷數(shù)據(jù)采集系統(tǒng)的構(gòu)建，該采集系統(tǒng)主要由相關(guān)硬件接口及通信協(xié)議反數(shù)據(jù)分析軟件構(gòu)成，接口電路負(fù)責(zé)實(shí)現(xiàn)信號在OBDII同PC間的交換過程，OBDII 系統(tǒng)根據(jù)數(shù)據(jù)采集和分析完成相關(guān)請求和接收的發(fā)送和應(yīng)答，具體工作數(shù)據(jù)采集系統(tǒng)總體架構(gòu)如圖 1 所示。

傳感器故障診斷原理如圖2所示[8]。

診斷數(shù)據(jù)采集工作過程能夠?qū)Πl(fā)動(dòng)機(jī)的輸入/輸出數(shù)據(jù)進(jìn)行記錄（包括發(fā)動(dòng)機(jī)負(fù)荷、冷卻液溫度等），部分訓(xùn)練樣本數(shù)據(jù)如表 1 所示。

考慮到所選擇的訓(xùn)練樣本數(shù)據(jù)具有不同的量綱且大小差別較大，對訓(xùn)練樣本數(shù)據(jù)在開始訓(xùn)練前通過歸一化處理后，所獲取的樣本數(shù)據(jù)如表 2 所示。

4.2 RBF網(wǎng)絡(luò)設(shè)計(jì)

本文設(shè)置分布常數(shù)為1.2，通過Matlab 代碼的使用完成RBF 網(wǎng)絡(luò)的構(gòu)建，輸入向量由P表示，目標(biāo)向量由T表示，具體代碼為：

spread = 1.2;

net = newrbe（P，T，spread）;

根據(jù)表2 中數(shù)據(jù)可得：

P=[0.000 9 0.021 1 0.079 4 0.026 8 0 0.243 9

1.000 0 0.057 9 0.001 0 0.012 1 0.034 1

0.024 1 0 0.274 2 1.000 0 0.0447 0 0.009 4

0.093 5 0.105 8 0 0.304 5 1.000 0 0.061 8]

t =[001;010;100]

p = p';T = T'

網(wǎng)絡(luò)的目標(biāo)函數(shù)設(shè)定為 0.0001，設(shè)置網(wǎng)絡(luò)的擴(kuò)展速度（由sp表示）為 1，網(wǎng)絡(luò)神經(jīng)元最大數(shù)目（由mn表示）為20，設(shè)置訓(xùn)練的間隔神經(jīng)元數(shù)目（由df表示）為 1，以net = newrb（p，t，goal，sp，mn，df）為依據(jù)完成RBF 神經(jīng)網(wǎng)絡(luò)的構(gòu)建，基于RFB 的診斷模型的輸入層包含8 個(gè)神經(jīng)元（分別同8 個(gè)故障征兆特征值相對應(yīng)），輸出層包含3 個(gè)神經(jīng)元（分別同3 種典型故障類型相對應(yīng)），RBF 神經(jīng)網(wǎng)絡(luò)表現(xiàn)出了較好的訓(xùn)練結(jié)果和收斂結(jié)果，在已訓(xùn)練好的診斷網(wǎng)絡(luò)中輸入訓(xùn)練結(jié)束后獲取的故障特征值，輸出結(jié)果即為診斷結(jié)果，使診斷工作的準(zhǔn)確性得以顯著提升[9]。

5 總結(jié)

作為汽車的重要構(gòu)成部分，電控發(fā)動(dòng)機(jī)的安全高效運(yùn)轉(zhuǎn)是確保汽車安全的基礎(chǔ)，對電控發(fā)動(dòng)機(jī)故障的診斷體系提出了更高的要求，能夠?qū)?dòng)態(tài)數(shù)據(jù)流進(jìn)行搜尋并具備一定的讀碼等功能，采用 RBF和數(shù)據(jù)流技術(shù)診斷汽車發(fā)動(dòng)機(jī)傳感器故障具有較高的可行性，檢測故障時(shí)通過 RBF 神經(jīng)網(wǎng)絡(luò)技術(shù)的使用可使診斷過程更加直觀便捷，為彌補(bǔ)單純使用 RBF易出現(xiàn)黑箱特性及難以解釋的不足，本文在建立診斷發(fā)動(dòng)機(jī)故障的RBF 網(wǎng)絡(luò)模型的基礎(chǔ)上，在對故障實(shí)施診斷期間引入了數(shù)據(jù)流分析，在出現(xiàn)了故障碼后可為實(shí)施診斷提供憑據(jù)，在無法收獲故障碼的情況下則借助動(dòng)態(tài)數(shù)據(jù)流完成故障診斷過程，實(shí)現(xiàn)對故障部位快速精準(zhǔn)的定位，使診斷的精準(zhǔn)性得以顯著提升，降低了由于盲目監(jiān)測與拆解所引發(fā)的損失。

參考文獻(xiàn)

[1] 董軍，何嘉偉，鄧雄章，等. 汽車發(fā)動(dòng)機(jī)缸孔珩磨表面織構(gòu)預(yù)測建模與工藝參數(shù)優(yōu)化[J].? 組合機(jī)床與自動(dòng)化加工技術(shù)， 2018（9）：107-110.

[2] 阿依古麗·木沙于甫，吐爾洪江·吐拉克. La變質(zhì)處理對汽車發(fā)動(dòng)機(jī)用ZL205合金組織和力學(xué)性能的影響[J].? 熱加工工藝， 2018（3）：107-111.

[3] 史俊濤.由故障案例引發(fā)對當(dāng)代汽車電控發(fā)動(dòng)機(jī)系統(tǒng)故障診斷及維修技術(shù)的探索[J].時(shí)代汽車，2019（6）：168-169.

[4] Vrac Damir S， Sidjanin? Leposava P， Kovac Pavel P， et al .The influence of honing process parameters on surface quality， productivity， cutting angle and coefficients of friction[J].? Industrial Lubrication and Tribology. 2016 （2）：77-83.

[5] Fuzhou Feng， Aiwei Si， Hongxing Zhang. Research on Fault Diagnosis of Diesel Engine Based on Bispectrum Analysis and Genetic Neural Network[J].? Procedia Engineering， 2016（3）：2454-2458.

[6] 李兆鵬，祖炳潔. 數(shù)據(jù)流分析在電控發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[J].? 農(nóng)業(yè)裝備與車輛工程， 2017（7）：97-100.

[7] 寇祖濤. 汽車電控發(fā)動(dòng)機(jī)系統(tǒng)故障診斷與維修技術(shù)分析[J].? 科技創(chuàng)新與應(yīng)用， 2017（13）：126-127.

[8] 祁平. 故障代碼分析和數(shù)據(jù)流分析在電控發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J].? 內(nèi)燃機(jī)與配件， 2017（8）：103-104.

[9] 劉金良.數(shù)據(jù)流分析在汽車電控發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用分析[J].時(shí)代汽車，2019（3）：168-169.

（收稿日期： 2019.05.28）

基金項(xiàng)目：校級科學(xué)研究項(xiàng)目（2016KJ024）

作者簡介：麥鵬（1979-），男，碩士，講師，研究方向：新能源汽車方向。