摘 要

发动机失火故障不仅仅会对空气造成严重污染，还关乎们的生命健康与财产安全，因此对发动机失火故障做出及时准确的诊断具有重要意义。本文针对发动机失火故障诊断，提出一种利用模糊ART神经网络对发动机运转的特征值进行学习训练，从而对失火故障做出诊断的方法，旨在对失火故障的诊断实现自动化。本文首先在详细阐述了零维模型以及谐次分析的机理，并模糊ART工作原理基础上，利用MATLAB搭建的神经网络模型，针对失火故障这一具体应用，选择不同网络参数对谐次分析的特征值数据进行识别，选择识别率最优的参数组合，在此基础上，对原始样本进行训练学习，并利用训练好的网络对失火故障做出实际诊断，验证模糊ART网络对失火故障诊断的可行性，同时给原始样本数据添加随机噪声与高斯白噪声，测试网络的鲁棒性，取得较为理想得结果。

关键词：失火诊断；零维模型；谐次分析；神经网络；模糊ART

Abstract

Engine misfire failures not only cause serious pollution to the air, but also related to their lives, health and property safety, so it is of great significance to make timely and accurate diagnosis of engine misfire failures. Aiming at the diagnosis of engine misfire faults, this paper proposes a method for learning and training engine eigenvalues ​​using fuzzy ART neural network to diagnose misfire faults, aiming to automate the diagnosis of misfire faults. This article first elaborated the Single-dimensional Combustion Model and the mechanism of harmonic analysis, and based on the fuzzy ART working principle, the neural network model built by MATLAB was used to select the characteristics of the harmonic analysis of different network parameters for the specific application of fire failure Value data for identification, select the parameter combination with the best recognition rate, on this basis, train and learn the original samples, and use the trained network to make a practical diagnosis of the fire fault, verify the feasibility of the fuzzy ART network for fire fault diagnosis Performance, add random noise and Gaussian white noise to the original sample data at the same time, test the robustness of the network, and obtain a more ideal result.

Key Words：Misfire diagnosis；Single-dimensional Combustion Model；Harmonic analysis；Neural network；Fuzzy ART

目 录

第1章 绪论 1

1.1 研究背景 1

1.2 发动机失火故障产生的原因 2

1.3 国内外研究现 3

1.3.1 国外失火故障诊断方法及研究现状 3

1.3.2 国内失火故障诊断方法及研究现状 3

1.4 本文研究的基本方法 4

第二章 零维模型与谐次分析 6

2.1 零维模型的数学模型 6

2.1.1 气缸工作容积变化率 8

2.1.2 燃烧放热率 8

2.1.3 缸内传热计算 9

2.1.4 进排气流量 9

2.2谐次分析 10

2.3 仿真结果分析 12

2.3.1 Z6170LC柴油机仿真 12

2.3.2 瞬时转速的谐次分析 14

2.4 本章小节 17

第3章 自适应控制理论及模糊控制简介 18

3.1 神经网络简介 18

3.1.1 监督学习神经网络 19

3.1.2 非监督学习神经网络 19

3.2 ART神经网络 19

3.2.1 ART1网络的结构原理 20

3.2.2 ART1网络的工作过程 21

3.3 模糊控制理论 23

3.3.1 模糊集合与隶属函数 23

3.3.2 模糊算子 23

3.4 本章小节 24

第4章 模糊ART神经网络 25

4.1 模糊ART的网络结构 25

4.2 模糊ART的工作原理 26

4.3 模糊ART学习过程 27

4.4 本章小节 34

第5章 模糊ART神经网络失火诊断实例分析 35

5.1 参数选取 35

5.2 失火故障诊断实例分析 36

5.3 网络鲁棒性验证 37

5.4 本章小节 39

第6章 总结与展望 40

6.1 本文工作总结 40

6.2 未来工作展望 40

参考文献 42

致谢 44

第1章 绪论

1.1 研究背景

当前移动源污染成为一个越来越严重的问题，是空气污染的重要来源。而位置可以移动的污染源，都可以叫做移动源，也就是移动式空气污染源。而移动源污染物来源主要是尾气（内燃机燃烧产物）、燃油的蒸发和摩擦。

2017年，中国对京津冀大气污染传输通道城市（简称“2 26”城市）细颗粒物（PM2.5）来源解析结果表明，移动源对PM2.5的贡献率在10%-50%之间^[1]。发动机作为汽车，船舶等移动源的主要动力装置，其污染排放物更是直接威胁着广大群众的健康安全。2019年1月4日，生态环境部、国家发展和改革委员会、工业和信息化部、交通运输部、中国铁路总公司等11个部门联合印发《柴油货车污染治理攻坚战行动计划》^[1],发动机污染愈来愈收到国家的重视。而当发动机工作在极端工作条件下时，其排放对污染的累计会更加明显。一旦发生失火故障，就会产生很多有毒有害的气体，特别是未经燃烧的碳氢化合物，此外还有很多的混合气体会在不正常的燃烧下生成一氧化碳以及氮氧化物等毒的物质^[3]。于此同时，发动机失火还会造成交通堵塞或是船舶在海上滞留，严重威胁着人们的生命健康安全。