基于Matlab的BP神經(jīng)網(wǎng)絡(luò)的電控發(fā)動機(jī)故障研究

王書提，巴寅亮，史 勇

（新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院 新疆農(nóng)業(yè)工程裝備創(chuàng)新設(shè)計(jì)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830052）

基于Matlab的BP神經(jīng)網(wǎng)絡(luò)的電控發(fā)動機(jī)故障研究

王書提，巴寅亮，史 勇

Wang Shuti，Ba Yinliang，Shi Yong

（新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院 新疆農(nóng)業(yè)工程裝備創(chuàng)新設(shè)計(jì)重點(diǎn)實(shí)驗(yàn)室，新疆 烏魯木齊 830052）

基于Matlab的BP神經(jīng)網(wǎng)絡(luò)，對電控發(fā)動機(jī)的故障進(jìn)行研究。采集電控發(fā)動機(jī)故障數(shù)據(jù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)建立了故障診斷模型，并對幾種常見故障進(jìn)行了診斷，診斷結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)在電控發(fā)動機(jī)故障診斷研究方面具有一定的實(shí)用價(jià)值。

Matlab；BP神經(jīng)網(wǎng)絡(luò)；故障診斷

0 引 言

隨著電子控制技術(shù)在發(fā)動機(jī)上的應(yīng)用程度越來越高，比如怠速控制、點(diǎn)火控制、噴油控制等，電子控制系統(tǒng)在提高發(fā)動機(jī)性能的同時(shí)也帶來了一些問題。雖然電控發(fā)動機(jī)的故障率降低了，但是一旦出問題，維修人員必須具備更高的技術(shù)水平。隨著科技的發(fā)展，許多科技人員利用人工神經(jīng)網(wǎng)絡(luò)來研究工程領(lǐng)域的故障，效果比較理想。

人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，ANNs）是一種模仿動物神經(jīng)網(wǎng)絡(luò)行為特征，進(jìn)行分布式并行信息處理的算法數(shù)學(xué)模型。這種網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。人工神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自適應(yīng)的能力。

基于Matlab的BP神經(jīng)網(wǎng)絡(luò)，采集發(fā)動機(jī)故障數(shù)據(jù)，對發(fā)動機(jī)故障進(jìn)行研究，研究結(jié)果能夠給汽車維修人員提供參考價(jià)值。

1 BP神經(jīng)網(wǎng)絡(luò)

BP網(wǎng)絡(luò)（Back Propagation），是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入-輸出模式映射關(guān)系，而無需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。BP神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)包括輸入層（input layer）、隱層（hide layer）和輸出層（output layer）。

以3層BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為例，如圖1所示。輸入層由L個(gè)神經(jīng)元組成，xi（i=1，2，3，…，L）表示其輸入；隱層由q個(gè)神經(jīng)元組成，zj（j=1，2，3，…，q）表示隱層的輸出；輸出層由N個(gè)神經(jīng)元組成，yk（k=1，2，3，…，N）表示其輸出；用 wij（i=1，2，3，…，L；j=1，2，3，…，q）表示從輸入層到隱層的權(quán)值；用vjk（j=1，2，3，…，q；k=1，2，3，…，N）表示從隱層到輸出層的權(quán)值。隱層輸入為，輸出為zk=f(rk)；輸出層的輸入為，輸出為yk=f(sk)，其中bk為閥值。

在確定了BP網(wǎng)絡(luò)的結(jié)構(gòu)后，要通過輸入和輸出樣本集對網(wǎng)絡(luò)的權(quán)值和閥值進(jìn)行學(xué)習(xí)和修正，從而使網(wǎng)絡(luò)實(shí)現(xiàn)給定的輸入輸出映射關(guān)系。

2 BP神經(jīng)網(wǎng)絡(luò)診斷模型的應(yīng)用實(shí)例

為了驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)診斷模型的可行性，以桑塔納2000 GSi型轎車（AJR型電控發(fā)動機(jī)）為例，進(jìn)行故障假設(shè)，利用金德KT 600電腦故障診斷儀采集數(shù)據(jù)。以發(fā)動機(jī)在水溫傳感器故障、空氣流量傳感器故障、噴油器故障和氧傳感器故障狀態(tài)時(shí)的數(shù)據(jù)為樣本，采集的樣本數(shù)據(jù)如表1～表4所示。由于采集的樣本數(shù)據(jù)的量綱不同，在進(jìn)行訓(xùn)練之前，應(yīng)將樣本數(shù)據(jù)歸一化處理，歸一化處理后的數(shù)據(jù)如表5所示。文中采用3層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層的神經(jīng)元數(shù)目為4，隱含層的神經(jīng)元數(shù)目為9，輸出層的神經(jīng)元數(shù)目為4。

表1 水溫傳感器故障時(shí)的樣本數(shù)據(jù)

表2 空氣流量傳感器故障時(shí)的樣本數(shù)據(jù)

表3 噴油器故障時(shí)的樣本數(shù)據(jù)

表4 氧傳感器故障時(shí)的樣本數(shù)據(jù)

表5 樣本歸一化處理數(shù)據(jù)

利用Matlab創(chuàng)建的程序代碼如下：

p=[1.0000 0 0.0822 0.0327；1.0000 0 0.0028 0.0021；1.0000 0 0.0033 0.0021；0 0.4500 0.0300 1.0000]'；%樣本輸入

t=[1 0 0 0；0 1 0 0；0 0 1 0；0 0 0 1 ]'；%目標(biāo)輸出

net = newff（minmax（p），[9 4]，{'tansig''logsig'}，'trainlm'，'learngdm'）；%創(chuàng)建BP網(wǎng)絡(luò)

net.trainParam.show=100；%設(shè)置訓(xùn)練顯示間隔次數(shù)

net.trainParam.epochs=2000；%設(shè)置最大訓(xùn)練循環(huán)次數(shù)

net.trainParam.goal=0.0001；%設(shè)置性能目標(biāo)值

net.trainParam.lr=0.05；%設(shè)置學(xué)習(xí)系數(shù)

net = init（net）；%網(wǎng)絡(luò)初始化

net=train（net，p，t）；%訓(xùn)練網(wǎng)絡(luò)

其中，p中的數(shù)據(jù)為樣本歸一化處理后的數(shù)據(jù)。t中，以1000表示電控發(fā)動機(jī)水溫傳感器故障時(shí)的狀態(tài)，以0100表示電控發(fā)動機(jī)空氣流量傳感器故障時(shí)的狀態(tài)，以0010表示電控發(fā)動機(jī)噴油器故障時(shí)的狀態(tài)，以0001表示電控發(fā)動機(jī)氧傳感器故障時(shí)的狀態(tài)。創(chuàng)建 BP網(wǎng)絡(luò)時(shí)，采用'trainlm'訓(xùn)練，因?yàn)?trainlm'的訓(xùn)練速度快，可以減少訓(xùn)練時(shí)間。在程序代碼中設(shè)置網(wǎng)絡(luò)初始化 net = init （net），可以保證每次訓(xùn)練網(wǎng)絡(luò)時(shí)，權(quán)值都是隨機(jī)的，這樣可以達(dá)到預(yù)期的訓(xùn)練目的。

運(yùn)行程序代碼，得到BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差曲線，如圖2所示。由圖2可看出，當(dāng)網(wǎng)絡(luò)訓(xùn)練到第79步時(shí)，訓(xùn)練樣本時(shí)間僅為1 s，已達(dá)到期望誤差0.000 1，這充分說明BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練次數(shù)少、訓(xùn)練用時(shí)短和收斂速度快，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)可以在較短時(shí)間內(nèi)診斷出發(fā)動機(jī)故障。

U464.17：TP389.1

A

10.14175/j.issn.1002-4581.2015.01.007

1002-4581（2015）01-0023-03