基于優(yōu)化型支持向量機的發(fā)動機失火故障診斷研究.pdf

1、伴隨著現(xiàn)代科技的迅猛發(fā)展及世界經(jīng)濟總體局勢的回暖，汽車的保有量呈持續(xù)上升趨勢。汽車工業(yè)飛速發(fā)展的同時，也有力促進了汽車精準化和智能化的不斷提高。這一方面使得汽車的駕駛操作更為便捷，汽車消費群體數(shù)不斷增加，推動了汽車的普及;另一方面同時也引發(fā)了環(huán)境污染、交通擁堵、能源短缺、噪聲污染等問題，尤其是現(xiàn)在頗受熱議的“霧霾”天氣。
　　汽車運行過程中，由于部件眾多，機理復(fù)雜，工作條件不穩(wěn)定，極易產(chǎn)生故障且故障成因較難排查。發(fā)動機故障產(chǎn)生原因

2、與故障現(xiàn)象往往呈現(xiàn)不確定性對應(yīng)，某一故障原因可能引發(fā)形式互異的故障，或是同種故障現(xiàn)象不是由確定的故障原因誘發(fā)的，這增加了故障判斷難度，還常造成不必要的的維修浪費。尤其是汽車智能化的發(fā)展，增加了故障發(fā)生率及維修難度，客觀條件的制約使得汽車發(fā)動機診斷的需求更為迫切。
　　基于上述問題，本文提出了基于尾氣成分分析的針對發(fā)動機失火故障的診斷方案。從失火故障的定義出發(fā)，介紹了發(fā)動機失火現(xiàn)象的起因、類型、失火危害，并在此基礎(chǔ)上介紹了三種廣泛研

3、究的失火診斷方法的工作機理及使用范圍，著重介紹了從尾氣成分角度出發(fā)的失火診斷方法的原理及其影響因子。
　　對于發(fā)動機失火故障診斷較為常用的智能理論有專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、支持向量機等。這三種常用智能診斷方法可以在對故障樣本學(xué)習的基礎(chǔ)上建立故障特征與故障類別之間的對應(yīng)關(guān)系，實現(xiàn)對失火故障模式的分類。但是前兩種診斷方法的學(xué)習訓(xùn)練過程需要的故障樣本規(guī)模較大，而在實際中，失火故障樣本不易獲取。
　　本文的重點研究內(nèi)容是面向小規(guī)模樣本的

4、故障診斷分類器的設(shè)計。在機器學(xué)習的背景下，簡要介紹了統(tǒng)計學(xué)中幾個基本的概念，側(cè)重闡述了支持向量機中的最優(yōu)決策面、核函數(shù)形式、多分類模式、決定分類器性能的關(guān)鍵參數(shù)及其幾種典型優(yōu)化方法等基礎(chǔ)理論。在此前提下，建立了基于支持向量機的發(fā)動機失火診斷模型，通過汽車尾氣的五種特征氣體和故障現(xiàn)象間的非線性對應(yīng)，構(gòu)建了一個針對小樣本的基于改進ABC算法優(yōu)化支持向量機的分類器，用于發(fā)動機失火故障診斷，取得了不錯的診斷效果。
　　本文的理論研究進展是