基于智能诊断技术的发动机故障诊断

自学的能力。通过对新故障原因与旧故障原因的对比分析，可以找出故障的具体特点和表现方式，从而将在旧故障中得出的经验有效地应用在新故障的分析上，尤其对于一些旧故障结合新故障的形式，在分析能力和速度上占据较大优势。

3.3 基于模糊理论的智能诊断技术应用

将模糊理论应用在发动机故障的诊断中，主要体现的是它的两大功能，即数学建模功能和模糊诊断功能，通过将这两项功能的利用，能够将比较复杂的故障问题应用已知的知识体系来完成，模糊理论的关键优势首先在于可以利用最短的时间就将发动机的故障源点确定下来，利用模糊理论系统可以将比较复杂的专家预言转变为计算机更容易识别的计算机语言，降低了故障分析处理的难度。其次，在应用模糊理论系统进行故障分析的时候，它能够将故障的安全级别自动地划分出来，保证了故障分析过程的安全性。另外，模糊理论的应用可以使故障分析的能力显著的提高，尤其是在不确定因素的分析上，具有较高的效率[5]。

3.4 基于粗糙集故障树的智能诊断技术应用

基于粗糙集的智能诊断技术形式是对发动机工作过程中的各项要素进行分析，并从系统中选择相关的故障源信号、运行状况信号等，将所选择的信号作为故障诊断的条件属性和决策属性，并形成决策表。从决策表的数据中可大致判断发动机运行的故障，在此过程中，按照粗糙集属性约简方法，并提出冗余属性，从中决策表的分析中提取发动机的故障判断规则，并利用所提取的规则评价发动机工作的故障情况，即利用故障诊断规则对新输入的筛选元素进行诊断，从而实现判断发动机故障的诊断目标。基于故障树的智能诊断技术形式是将发动机的工作性能与可能发生的故障状况之间形成一种相互联系的关系，通过树状图形的方式将这种联系表现出来。故障树智能诊断技术将发动机故障的连锁反应提前进行预测，即由于发动机一类故障导致的二类故障，再由二类故障导致的三类故障等，通过对故障原因的关联行预测，形成零部件与系统之间发生故障的全部逻辑关系，反应的是发动机系统的内部联系。但是在应用中，还是会收到客观因素的限制，故障树智能系统的逻辑性还较弱，因此诊断的全面性还比较欠缺。

基于粗糙集的智能诊断技术是一种新的故障诊断方式，在故障诊断中通过处理模糊性、不确定性问题的元素，可从中找到规则并实施评价掌握故障。相比于其他的故障诊断方法。基于粗糙集理论的智能诊断技术实施的优点并不需要预先制定特性、属性的数量，同时也并不需要建立模型，主要是通过利用数据本身所蕴含的内部知识实现故障的评价。模糊集理论在发动机故障诊断中的应用，可通过不可分辨关系和不可分辨类的确定给定近似域，并从中自动获取故障诊断的内在规律，是当前发动机故障诊断和监测的有效方法。在不确定因素的分析上，具有较高的效率;基于粗糙集理论的智能诊断技术是将发动机的工作性能与工作数据类型进行统计，并从中提取故障诊断规律的方式来判断故障。但是在实际应用中，还是会收到客观因素的限制，泛化能力却较弱，因此诊断的全面性还比较欠缺。专家系统智能诊断技术是一个基于知识的系统，它利用人类专家提供的专门知识，模拟人类专家的思维过程，解决对人类专家都相当困难的问题，应用较为广泛;神经网络智能诊断技术主要应用在复杂问题的解决上，对于综合性较强、较为复杂的故障具有高效的分析能力，在分析能力和速度上占据较大优势;模糊理论诊断技术可以将比较复杂的专家预言转变为计算机更容易识别的计算机语言，降低了故障分析处理的难度，保证了故障分析过程的安全性，在不确定因素的分析上，具有较高的效率;故障树智能诊断技术是将发动机的工作性能与可能发生的故障状况之间形成一种相互联系的关系，通过树状图形的方式将这种联系表现出来。但是在应用中，还是会收到客观因素的限制，故障树智能系统的逻辑性还较弱，因此诊断的全面性还比较欠缺。

4 结语

综上所述，如今的发动机诊断技术越来越向智能化发展，智能技术的应用为发动机的诊断提供了创新的方式，智能技术的广泛应用不仅提高了发动机诊断的效率，也更好地满足了不同发动机出现的故障和问题，相比于以往更依赖于主观意志的诊断，智能诊断技术在诊断故障的方式上更灵活、更准确，从而也有效地提升了发动机维修的效率。现阶段，智能诊断技术已经被广泛地应用，随着社会科技的不断发展，智能诊断方式也应该与时俱进地发展，从而在对发动机的诊断中融入更多先进技术，使行业发展更快速、更稳定。

参考文献：

[1]李锡坤，吴茂军.试析汽车发动机的智能故障诊断技术[J].时代汽车，2017（04）：58-59.

[2]陈国庆.汽车发动机智能故障诊断技术分析[J].农机使用与维修，2016（06）：17-18.

[3]赵鑫.汽车发动机智能故障诊断技术的研究[J].黑龙江科技信息，2016（12）：64.

[4]曹恺.轻型汽油车远程监测及故障诊断技术研究[D].武汉理工大学，2013.

[5]鲍晓.汽车发动机智能故障诊断系统的研究分析[J].企业技术开发，2013，32（06）：6-7.

[6]许心远.浅谈汽车发动机智能故障诊断技术[J].机械研究与应用，2009，22（01）：110-112.

[7]曾小华，孙可华，李广含，肖利军，宋大凤，董兵兵，王新明.基于部件动态特性的城市混合动力SUV协调控制研究[J].汽车工程，2018，40（11）：1255-1260.

[8]李相旺，黄凤琴，张志明，何宝俊，邹雄才，张文龙，王伟民.某增压发动机排气热端耐久性分析与优化[J].汽车工程，2017，39（10）：1130-1135.

[9]司景萍，马继昌，牛家骅，王二毛.基于模糊神经网络的智能故障诊断专家系统[J].振动与冲击，2017，36（04）：164-171.

[10]贾继德，张玲玲，梅检民，肖云魁.非平稳循环特征极坐标增强及其在发动机故障诊断中的应用[J].振动工程学报，2013，26（06）：960-964.

[11]徐玉秀，楊文平，吕轩，马志卫，马新华.基于支持向量机的汽车发动机故障诊断研究[J].振动与冲击，2013，32（08）：143-146.

[12]费成巍，白广忱.改进FSVM在发动机振动故障融合分析中的应用[J].振动与冲击，2012，31（15）：171-174+194.

[13]侯胜利，王威，胡金海，史霄霈，周根娜.发动机喘振故障检测的神经网络免疫识别模型[J].振动与冲击，2010，29（01）：170-172+213+245.

[14]杨文平，陈国定，石博强，侯荣涛.基于李雅普指数的汽车发动机故障诊断研究[J].振动工程学报，2002（04）：108-110.

[15]贺银芝，沈松，应怀樵，刘正士.小波包分解及其能量谱在发动机连杆轴承故障诊断中的应用[J].振动工程学报，2001（01）：76-79.

作者简介：赵慧敏（1975-），女，山西忻州人，博士，副教授，研究方向：复杂系统智能诊断技术及应用。

推荐访问:发动机 故障诊断 诊断 智能 技术