基于BP神经网络实现尾气分析方法.docVIP

基于BP神经网络实现尾气分析方法 　　［摘 要］尾气分析引入人工神经网络技术，通过一个具有大量专门知识和经验的智能网络，对数据进行分析，模拟人类专家进行推理、判断和决策，从而获得尾气分析结论。网络以尾气测试数据为输入，以故障模式编码为输出，通过MATLAB7.0人工神经网络工具箱构建BP网络，仿真结果表明对训练的特征样本进行模式识别具备了很高的准确率，避免了人的主观局限性，实现了尾气分析的智能化。?? 　　［关键词］人工神经网络 尾气分析 人工智能?? 　　［中图分类号］TP ［文献标识码］A ［文章编号］1009－5489(2008)03－229－03?お? 　　 　　一、前言?? 　　 　　发动机排放极其复杂，通过对尾气中的HC，CO，CO??2和O??2的含量分析，可以判断发动机各工况的燃烧情况。因此，尾气分析的结论对发动机故障的诊断有着很重要的参考价值。?? 　　传统的尾气分析方法是通过对仪表检测所获得的数据进行人工分析从而获得结论，这就要求技术人员要有很丰富的诊断经验以及很深厚的理论基础。本文所述就是一种新的尾气分析实现方法。我们将尾气分析引入人工神经网络技术，通过一个具有大量专门知识和经验的智能网络，对数据进行分析，模拟根据人类专家的知识和经验进行推理、判断和决策，从而获得尾气分析结论的一种方法。?? 　　 　　二、尾气分析法?? 　　 　　汽车尾气成分与发动机的工况有着密切联系，所以通过汽车尾气的检测可初步分析发动机的工作状况、性能好坏。更为重要的是，当发动机各系统出现故障时，尾气中某种成分必然偏离正常值，通过检测发动机不同工况下尾气中不同气体成分的含量，可判断发动机故障所在的部位。在多种排放成分中HC是未燃燃料、可燃混合气不完全燃烧或裂解的碳氢化合物及少量的氧化反应的中间产物。CO主要来自在空气不足的情况下可燃混合气的不完全燃烧，是汽油机尾气中有害成分浓度最大的物质。CO??2是可燃混合气燃烧的产物，它能够反映出燃烧的效率。尾气分析法就是通过对汽车尾气中的CO，HC，CO??2和O??2等排放成分作为主要分析参数来对发动机故障进行诊断的一种方法。?? 　　(一)空燃比对尾气成分的影响?? 　　空燃比越接近理论空燃比14.7：1，燃烧越完全，HC，CO的值越低，而CO??2的值越高。而当混合气空燃比超过16.2：1时(混合气变稀)，由于燃料成分过少，用通常的燃烧方式已不能正常着火，产生失火，使未燃HC大量排出。混合气过浓时将产生大量的CO，HC。?? 　　(二)尾气成分异常的原因分析?? 　　HC的读数高，说明燃油没有充分燃烧。气缸压力不足、混合气过浓或过稀、点火正时不准确、点火间歇性不跳火、喷油嘴漏油或堵塞、油压过高或过低等因素都将导致HC读数过高。CO的读数是零或接近零，则说明混合气充分燃烧。CO的含量过高，表明燃油供给过多、空气供给过少，燃油供给系统和空气供给系统有故障。CO??2是可燃混合气燃烧的产物，其高低反映出混合气燃烧的好坏，即燃烧效率。可燃混合气燃烧越完全，CO??2的读数就越高，混合气充分燃烧时尾气中CO??2的含量达到峰值13%―16%。当发动机混合气出现过浓或过稀时，CO??2的含量都将降低。O??2的含量是反映混合气空燃比的最好指标，是最有用的诊断数据之一。燃烧正常时，只有少量未燃烧的O??2通过气缸，尾气中O??2的含量应为1%―2%。O??2的读数小于1%，说明混合气过浓；O??2的读数大于2%，表示混合气太稀。当CO、HC浓度高，CO??2、O??2浓度低时，表明发动机混合气很浓。当HC和O??2的读数高，则表明点火系统工作不良、混合气过稀，而引起失火。?? 　　(三)发动机状态及尾气排放情况?? 　　发动机正常，保持怠速，未经触媒处理尾气排放为：HC：75―250(ppm)，CO：0.5―3.0(%)，CO??2：13.8―15(%)，O??2：1.0―2.0(%)。发动机不同工况对排放的影响，如表1所示：?? 　　 　　表1 发动机工况对排放的影响 　　 　　三、人工神经网络?? 　　 　　(一)人工神经网络模型?? 　　人工神经网络(artificial neural network，ANN)就是在人们还不能清楚认识生物神经网络的基础上，将假想出来的能够反映生物神经元的基本功能的“人工神经元”，通过某种方式连接起来，就形成了一个能模拟推理、判断和决策能力的智能网络。?? 　　(二)BP神经网络模型及算法概述?? 　　本文实现尾气分析所采用的网络为有反馈的前向网络(即BP神经网络)其结构如图1所示：?? 　　 　　图1 人工神经网络模型 　　网络由输入层、隐含层和输出层构成，相邻层之间的神经元全互连，同一层内的神经元无