汽車發動機故障診斷研究的理論與方法

李明文

摘要：隨著汽車制造工藝不斷完善，建立科學合理的汽車發動機故障診斷已經成為現代汽車維修的必然發展趨勢。本文對于汽車發動機故障診斷的理論以及方法進行了具體的研究，并且結合自身工作實踐，從信號處理、模糊診斷、知識綜合等方面進行了探討，希望給相關從業人員以借鑒和參考。

關鍵詞：汽車發動機；故障診斷；研究理論

一、前言

隨著汽車制造過程中電子化程度不斷加深，因此，在提高汽車性能的同時，也增加了汽車總體控制系統的復雜程度，因此汽車一旦發生故障，將會給汽車故障的維修和診斷帶來相應的難度，同時也會極大考驗汽車維修人員的經驗。隨著汽車維修技術的不斷進步，相關從業人員可以根據自身實踐經驗建立科學合理的汽車維修的診斷方法，以此來提高汽車故障診斷的效率。本文根據自身經驗以及文獻研究資料，對于汽車發動機故障診斷研究的理論和方法進行了梳理，主要有以下幾種方面的內容。

二、汽車發動機故障診斷研究方法

（一）利用信號來診斷汽車發動機故障

對于汽車發動機故障進行診斷，要對于其模式進行準確識別，并且進行精確分類。因此汽車發動機故障的診斷應該要提取必要的特征，從中找到發動機故障的數據。根據信號處理對于汽車發動機故障進行診斷，主要可以利用主人分析法以及小波模型方法。

1.主元分析法可以建立數據壓縮模型，并且從中提取相應有用信息，將提取的信息用于故障診斷，建立相應的主要模型。建立模型之后，開始對于發動機的實際運行的信號進行測量，如果在測量過程中發現發動機實際信號與主元模型信號不相吻合，說明發動機出現故障，然后就可以進一步判斷故障發生的原因。利用主元分析法能夠有效刪除汽車故障的冗余因素，直接提取其關鍵因素，主元分析法能夠對數據進行科學合理的處理，因此可以作為高效的故障檢測方式；

2.小波模型分析法。這種方法是對汽車發動機在工作狀態下的頻率進行數據分析，并且結合相應的汽車發動機參數來判斷故障發生的原因。小波分析數據采集能夠在多元模式下進行，以此來推定汽車發動機是否發生故障。在小波分析模型中需要將發動機的波形與實際模型的波形進行分析，然后采集關聯模型進行數據對比。比如在實際小波測試系統中，如果發動機油缸處于斷流的狀態，那么必然其噴油脈寬會在一定程度上增加，如果保持汽車發動機的油耗以及點火角度不變，再加上發動機的轉速基本不變，電腦會自動發出指令增加噴油的脈寬，但是由于總供給不變，因此會導致汽車發動機供油量與轉速之間產生一種不同步的現象，這種不同步現象容易造成發動機運轉不穩定。

（二）發動機故障的模糊診斷方法

模糊診斷方法主要是對于發動機故障的原因進行模糊分析，然后進行判斷，對于發動機故障的大致范圍進行有效判斷。因此可以將發動機的故障范圍確定在一定范圍之內，然后在此范圍內對于發動機故障的原因進行重點分析，以此來進一步縮小發動機故障的范圍。比如，如果發動機出現有聲無轉的現象，進行初次判斷時無法歸結其具體發生的原因，因此在實際故障診斷中可以采用模糊診斷的方法，將其大致縮小到發動機的軸以及發動機的轉動齒輪之間的部位，然后將這些重點部位進行分析和排查，可以將故障范圍進一步縮小，因此這會有利于提高發動機運轉的效率。模糊診斷方法是利用故障發生的征兆與汽車發動機故障之間的一種模糊關系來判定汽車發動機的實際狀態，由于現實條件的復雜性，發動機發生故障的征兆很難用較為精確的數學模型來表示，因此汽車發動機即使出現某些故障狀態的征兆，也不能夠輸出相應的故障結果。因此在實際模糊診斷判別方法中需要對于發動機是否存在故障以及故障的位置和故障發生的可能性進行判別，利用模糊綜合邏輯能夠有效的解決這類診斷判別問題，作為典型的方法是利用模糊故障的識別方法，對于故障原因進行有效識別。

（三）基于知識系統的故障診斷方法

隨著現代知識更新速度不斷加快信息的快速增長以及人工智能的發展，為汽車發動機故障診斷提供了新的方法，也帶來了許多新的思路。比如說，我們可以利用計算機對于汽車發動機故障時的參數進行采集，在實際汽車發動機發生故障時，可以利用采集到的數據直接對于發動機故障的規律進行判斷，同時還可以生成相應的程序進行數據調取，然后提取故障發動機的特征信息，一是能夠快速判斷發動機故障發生的原因以及部位。在基于知識對于發動機故障進行診斷過程中，可以采用專家系統的故障診斷方法，這種診斷方法是在充分提取發動機故障信息的前提之下，綜合各種實際已經存在的經驗和規則，對于汽車發動機故障原因進行進一步推理。最重要的是建立知識的規則庫，規則庫中主要包括系統的工作環境以及汽車發動機的故障知識；然后在規則庫中存放相應的規則，主要的規則是反應前后之間的一種存在關系，這種關系主要用來汽車發動機故障推理。這種知識規則庫是專家領域的集合。然后建立實時檢測的工作數據庫，對于故障的檢測數據進行實時保存，同時也需要收集人工檢測的一些特征數據。可以利用數據庫獲得的數據進行汽車發動機的故障診斷，直接輸入相應的診斷結果。

（四）基于神經網絡的診斷方法

對于汽車發動機故障診斷最為關鍵的一點是對于汽車發動機故障。利用人工神經網絡可以有效解決傳統的汽車發動機故障模式識別中所存在的問題，汽車故障診斷是神經網絡實際應用中非常重要的方面之一，在這其中神經網絡發揮的作用主要有兩點，第一，神經網絡能夠對于汽車發動機的故障進行模式識別，然后從模式分類的角度對于汽車發動機的故障進行診斷；第二，神經網絡技術能夠有效將其他診斷方法進行結合，在實際中采用復合診斷的方法，提高汽車發動機故障判斷準確性。利用神經網絡對于汽車發動機故障進行診斷需要進行模式識別，模式識別主要包括學習以及訓練進行診斷兩個過程。每個過程都包括對于特征信息進行處理以及對于特征信息進行識別。

三、未來汽車發動機故障診斷的展望

未來汽車發動機故障診斷將朝向綜合化的方向進行，主要是利用多種故障診斷方法進行結合，然后結合各種診斷方法的優勢，提高對于汽車發動機故障診斷的準確性。比如說可以將專家診斷系統與神經系統判別技術進行結合，在神經網絡框架下引入知識性的模糊判斷系統，并且保持神經系統的學習機制，將小波分析以及模糊綜合等等進行有效結合。隨著虛擬技術的發展，也可以開發相應的硬件來進行汽車故障診斷。編制相應的故障診斷的程序軟件，提高診斷推理方法以及數據融合的效率，這樣可以克服專家系統中在知識獲取中所面臨的難度，提高其整體的推理能力。到后期可以加數學工具引入到汽車發動機的故障診斷中，比如說可以將粗糙集引入神經網絡故障診斷中，加快算法處理，可以將遺傳算法引入到神經網絡專家系統中，用于提高全局搜索的能力，增強數據處理的效率。

參考文獻：

[1]張開智.汽車發動機故障診斷的理論和方法[J].中國新技術新產品，2014，（10）：40-41

[2]王秉仁，姜小麗.基本模糊邏輯推理的汽車故障診斷的研究[J].機電工程，2005，（22）