人工智能在汽車發(fā)動(dòng)機(jī)中的應(yīng)用研究.pdf

1、人工智能作為二十一世紀(jì)三大尖端技術(shù)之一，研究盛況空前。人工智能模仿人的思維方式處理工程中的技術(shù)問題，把人從繁重的腦力勞動(dòng)中解放出來，從事更多的創(chuàng)造性的工作。國民經(jīng)濟(jì)的支柱產(chǎn)業(yè)汽車工業(yè)的發(fā)展受到了世界各國的高度重視，市場(chǎng)競(jìng)爭(zhēng)異常激烈。本文從實(shí)用性出發(fā)，采用神經(jīng)網(wǎng)絡(luò)理論、遺傳算法、模糊技術(shù)、專家系統(tǒng)和知識(shí)工程等人工智能技術(shù)，研究了汽車的最關(guān)鍵部件發(fā)動(dòng)機(jī)故障診斷中的一些問題。研究的主要內(nèi)容包括以下幾部分： (1)論文首先系統(tǒng)綜述了汽車

2、工業(yè)的發(fā)展現(xiàn)狀和發(fā)展方向，介紹了人工智能技術(shù)的研究狀況和發(fā)展趨勢(shì)，分析了汽車發(fā)動(dòng)機(jī)故障診斷技術(shù)的研究現(xiàn)狀及存在的問題，提出了人工智能應(yīng)用于發(fā)動(dòng)機(jī)故障診斷的方法，為汽車發(fā)動(dòng)機(jī)故障診斷技術(shù)的發(fā)展提供了一個(gè)新的途徑。 (2)往復(fù)機(jī)械汽車發(fā)動(dòng)機(jī)故障診斷是個(gè)難題，本文提出應(yīng)用改進(jìn)的BP網(wǎng)絡(luò)進(jìn)行故障診斷的方法?；跈C(jī)體上的單個(gè)傳感器測(cè)得的振動(dòng)信號(hào)，采用小波包技術(shù)對(duì)振動(dòng)信號(hào)進(jìn)行三層分解，提取8個(gè)頻帶的相對(duì)能量值作為特征向量，首次提出將速度作為

3、特征向量的方法，這樣9個(gè)值作為發(fā)動(dòng)機(jī)神經(jīng)網(wǎng)絡(luò)故障診斷的特征向量，可以診斷發(fā)動(dòng)機(jī)不同轉(zhuǎn)速時(shí)的故障；另一個(gè)有別于以往研究的方面是神經(jīng)網(wǎng)絡(luò)輸出采用一個(gè)神經(jīng)元，對(duì)故障進(jìn)行編碼，優(yōu)點(diǎn)不僅可以診斷出以往的故障，增加新故障，也不用改變神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，經(jīng)重新學(xué)習(xí)后，就可以實(shí)現(xiàn)故障診斷，對(duì)復(fù)合故障也可以編碼采用同樣的方法識(shí)別。 (3)成功應(yīng)用于故障診斷等其它方面的神經(jīng)網(wǎng)絡(luò)技術(shù)，神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)是個(gè)難題。本文提出采用改進(jìn)的遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法

4、對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行設(shè)計(jì)，同時(shí)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)值。首先應(yīng)用遺傳算法確定網(wǎng)絡(luò)結(jié)構(gòu)和初步權(quán)值，然后再用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法確定最終權(quán)值。遺傳算法的適應(yīng)度函數(shù)采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練誤差的倒數(shù)，個(gè)體編碼采用混合編碼，最優(yōu)個(gè)體直接遺傳，其它個(gè)體采用輪盤方法遺傳。應(yīng)用此方法對(duì)發(fā)動(dòng)機(jī)故障診斷的神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，簡(jiǎn)化了網(wǎng)絡(luò)結(jié)構(gòu)。 (4)在汽車故障診斷中，有許多量具有不確定性，具有模糊性。本文探討了模糊技術(shù)和神經(jīng)網(wǎng)絡(luò)相結(jié)合方法對(duì)發(fā)動(dòng)機(jī)進(jìn)行故障診斷，實(shí)現(xiàn)了故障原因

5、的模糊識(shí)別。首先根據(jù)測(cè)得的特征向量確定故障原因與特征向量之間的模糊關(guān)系矩陣，應(yīng)用最大值最小值貼近度的方法，初步確定故障原因的可能范圍，然后應(yīng)用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)進(jìn)行精確診斷。 (5)汽車工業(yè)發(fā)展一百多年間，積累了豐富的經(jīng)驗(yàn)和知識(shí)，人們一直在思索研究發(fā)揮它們作用的方法。在汽車故障診斷方面，大量的用語言描述的知識(shí)處理利用是個(gè)難題。 本文研究了利用處理文字知識(shí)的專家系統(tǒng)技術(shù)進(jìn)行發(fā)動(dòng)機(jī)故障診斷的方法，與以往研究不同的是，充分發(fā)揮面

6、向?qū)ο笤O(shè)計(jì)語言的優(yōu)勢(shì)，對(duì)于故障診斷的知識(shí)采用不同的3種表示方式，推理也采用直觀的“故障樹”、判斷語句法和數(shù)據(jù)庫檢索等方法，取得了很好的效果。 (6)人工智能的另一個(gè)重要的分支——知識(shí)工程，它是以知識(shí)為研究對(duì)象，研究知識(shí)獲得、知識(shí)表示、知識(shí)利用的學(xué)科，是專家系統(tǒng)等人工智能技術(shù)的基礎(chǔ)。本文基于知識(shí)工程的思想和CATIA軟件的知識(shí)工程模塊，研究了汽車膜片彈簧的參數(shù)化設(shè)計(jì)方法，為在汽車設(shè)計(jì)過程中充分利用企業(yè)知識(shí)和書本知識(shí)，簡(jiǎn)化人的勞動(dòng)