10.13229/j.cnki.jdxbgxb201703031
基于汽缸压力辨识的发动机失火故障诊断
针对发动机失火故障,提出了一种利用傅里叶级数和L-M算法优化BP神经网络的故障诊断方法.利用AMESim发动机模型进行稳态工况实时仿真,应用L-M算法优化BP神经网络预测节气门开度与发动机汽缸做功频率的关系,同时借助傅里叶级数辨识缸内压力,将由曲轴转速实时映射的汽缸压力模型与所辨识的缸内压力模型进行比较,得出失火诊断结果;并对辨识的压力模型进行相位和频率补偿,提高了诊断精度及诊断方法泛化性.在出现失火故障后再次进行相位和频率补偿,使辨识的模型具有强跟踪性.任取两个节气门开度值进行试验验证,结果表明:本文方法在发动机稳态工况下,无论高转速小负载还是低转速大负载,均可以准确识别出单缸连续失火故障和多缸随机失火故障,验证了本文方法的准确性.
自动控制技术、傅里叶级数、BP神经网络、发动机失火故障、发动机汽缸压力、AMESim
47
TP29(自动化技术及设备)
国家自然科学基金国际地区合作与交流重点项目61520106008
2017-07-03(万方平台首次上网日期,不代表论文的发表时间)
共7页
917-923