汽车发动机故障诊断方法研究

本硕士学位论文由中南大学的朱双华撰写，指导教师为王随平和孙炜，主要研究汽车发动机故障诊断方法，特别是针对桑塔纳2000发动机系统。随着人工智能和工业自动化的发展，汽车发动机系统的复杂性增加，对其可靠性测试和智能化故障诊断提出了更高要求。论文首先分析了空调系统的常见故障特征，并利用数据采集系统采集了故障特征参数，通过归一化处理得到训练样本集。研究重点在于应用补偿模糊神经网络进行故障诊断，针对五种常见故障（制冷剂过少、膨胀阀开度过大、冷却水流量改变、压缩机吸气管堵塞、压缩机吸排气串通）建立了包含八个特征参数的补偿模糊神经网络模型，并使用MATLAB 7.0编写了学习训练及仿真检验程序。仿真结果表明，该系统具有高准确率，能够正确诊断训练样本中的故障。 论文还探讨了汽车检测诊断技术的发展背景和意义，强调了视情维修制的重要性，并讨论了故障诊断技术的发展现状和趋势，包括基于知识的方法、基于解析模型的方法和基于信号处理的方法。论文提出了一种结合模糊理论和神经网络的补偿模糊神经网络（CFNN）模型，该模型通过融合模糊逻辑和神经网络的优点，提高了系统的容错性和稳定性。CFNN模型包含输入层、模糊化层、模糊推理层、补偿运算层和反模糊化层，能够执行补偿模糊推理并具备快速学习功能。 此外，论文还详细介绍了汽车发动机检测与诊断系统的设计，包括系统组成原理、诊断参数选择、数据采集和显示实现以及抗干扰设计。系统能够实时采集、处理和动态显示发动机状态参数，为发动机状态趋势分析、故障诊断和视情修理提供科学依据。