朱振东
双鸭山市职业技术学校
摘要：随着汽车自动化程度的不断提高汽车中电子设施的不断增多及发动机丰富的功能使发动机结构日益复杂，从而使发动机发生故障时的诊断难度不断提升，发动机故障诊断问题日益突出,传统故障诊断方法已经难以满足现代汽车电控发动机故障对诊断质量及效率的要求,因此对汽车故障的一般规律进行研究以供维修过程参考和使用具有重要的理论和实际应用价值，通过先进高效方法的应用实现电控发动机故障的诊断成效的有效提升成为领域的研究重点之一。
关键词：RBF；数据流；电控发动机
引言：汽车数据流为复杂的发动机故障问题的有效解决提供了有效手段，数据流技术基于执行器、传感器技术通电控系统间的相互作用，可预先针对产生的问题给予警示及问题产性的原因及位置等，促进了汽车优化控制水平的显著提高为使电控发动机故障能够被快速准确的定位进而显著提高维修效率本文结合运用RBF和数据流提出了-种汽车电动机故障的诊断方法,为维修工作提供参考;以确保汽车能够安全运作。
1基于数据流的发动机故障诊断途径
汽车作为机电一体化产品的典型代表，电控相关技术的提升已成为汽车领域进步的方向之一，快速发展的信息技术和电子技术为汽车发动机的电控技术水平提供了强大的技术支撑，促进了汽车发动机功能先进水平及功能不断提升，随着汽车设计中传感器(位于电控体系中)的普遍应用,催生出了数据流分析在电控发动机诊断过程中使传统各类诊断方法同数据流间得以有效融合，为发动机相关故障的处理提供技术支撑按照汽车领域现阶段发展情况，基于数据流分析的电控发动机故障诊断方式主要包括:
1.1静态数据流
在汽车电控发动机相关故障中应用静态数据流时,多功能的故障诊断仪(包括示波器及解码器等)为成为实施诊断过程中的重要设施，外接压力为10-15 V的故障诊断仪的主要构成部分为容性感应夹、测试及电源延长线等，在使用时需结合运用相关测试插头，例如，对需外接其余电源的诊断座，需对设施蓄电池的正极和负极分别同红色鳄鱼夹和黑色鳄鱼夹进行联结。作为设施中的关键构成，诊断盒、主机等在运用时需以相关规定和配备情况为依据例如某-汽车在运行了35000千米后产生熄火及难以正常启动发动机的现象，维修相关人员运用静态数据流诊断故障后确定了汽车中的冷却液温度为20 °C，据此评判出汽车故障同温度传感器(位于冷却液中)的传送讯号异常相关维修相关人员通过对水温传感器进行测算后(使用数字万用表完成),未能实现从传感器中有效读出故障码，询问用户发现用户曾对发动机使用水枪进行清洁，此不正确操作是引发冷却液温度产生异常(即温度传感器传送讯号)的主要因素,最终通过更换冷却液中的温度传感器完成维修过程，汽车又可正常开启[21。
1.2动态数据流
汽车点火开关接通并启动了发动机即为动态状态，可采用诊断仪读取发动机电控系统数据，在汽车电控发动机故障诊断过程中,由空气流量传感器产生的各类异常可通过使用动态数据流完成诊断及处理过程，处理此类故障过程中维修人员需重点关注的相关因素内容包括发动机转速、载荷与进气量讯号值等，例如诊断某一汽车产生故障的过程中针对汽车进气量与发动机转速讯号，维修人员通过动态数据流的使用完成对引发发动机怠速转速异常的空气流量传感器异常的关键因素的评判。
2汽车电控发动机故障诊断
2.1 RBF神经网络模型
作为人工神经网络的一种,RBF对生物局部调节和交叠区域知识进行了充分借鉴需完成局部接受域执行函数映射,RBF网络具体可划分为三层,各层具有不同的功能，以一系列源点作为主要构成的输入负责完成RBF网络同外界的联合过程;中间层内含一个隐层主要负责完成输入空间到隐层空间的转换(属于非线性变换)，通过基函数(位于隐层中)影响外部输入信号，即网络中的隐层节点在外部信号接近基函数中央范围时会产生较大的输出实现RBF网络的局部逼近功能。输出模式在RBF网络中属于线性，负责为信号(作用于输入层)提供响应。在RBF网络系统中,以输入向量为依据径向基神经元会将其同各神经元权值的距离值进行输出，当输入量同网络中神经元权值距离较大时,其所产生的输出值接近于0,系统线性神经元受到较小的输出值的影响较小可忽略;当所产生的输出值接近于1时会激发第二层线性神经元权值输出。
2.2 RBF网络的学习算法
RBF神经网络参数主要需确定两个方面即输出层权值W阵、隐层神经元中心向級诡异化参数向量(分别由C、σ表示)。在确定隐层神经元中心时,隐层神经元中心通过使用基于线性学习规则的k-means聚类(没有监督的方案)完成确定，为使网络局部陷入极小点问题得以有效避免，在RBF网络中通过调整k值以确保RBF具有良好的局部逼近能力，从而实现整个网络收敛性能的提高。
3故障诊断的实现
3.1诊断数据采集
汽车电子控制系统带有OBDII(随车诊断系统)的基于B类数据通信网络协议B类网络通信应用可主要划分为两类以怀不同速率通信进行的优化设计(即10.4 KB、41.6 KB),本文基于主流的OBDII自诊断协议完成了发动机诊断数据采集系统的构建,该采集系统主要由相关硬件接口及通信协议反数据分析软件构成，接口电路负责实现信号在OBDII同PC间的交换过程, OBDII系统根据数据采集和分析完成相关请求和接收的发送和应答具体工作数据采集系统总体架构如图1所示。
.png)
诊断数据采集I作过程能够对发动机的输入/输出数据进行记录(包括发动机负荷、冷却液温度等)，部分训练样本数据如表1所示。
.png)
.png)
4.2 RBF网络设计
本文设置分布常数为1.2,通过Matlab代码的使用完成RBF网络的构建,输入向量由P表示，目标向量由T表示，具体代
码为:
spread= 1.2;
net = newrbe(P,T,spread);
根据表2中数据可得:
t =[001;010;100]
p=p';T=T'
网络的目标函数设定为0.0001，设置网络的扩展速度(由sp表示)为1,网络神经元最大数目(由mn表示)为20，设置训练的间隔神经元数目(由df表示)为1,以net = newrb(p,t,goal,sp,mn,df)为依据 完成RBF神经网络的构建基于RFB的诊断模型的输入层包含8个神经元(分别同8个故障征兆特征值相对应)输出层包含3个神经元(分别同3种典型故障类型相对应),RBF神经网络表现出了较好的训练结果和收敛结果在已训练好的诊断网络中输入训练结束后获取的故障特征值，输出结果即为诊断结果使诊断工作的准确性得以显著提升。
参考文献：
[1]杨水永.电控发动机传感器特性变化引起故障的分析[J].考试周刊,2008(28):174-175.
[2]赵玉庆,宋新华,蒋晓君,丁玲玲.发动机电喷系统故障模拟显示试验台的研制[J].山东交通科技,2008(02):58-62.
[3]周平,杨浩泉.电控发动机起动故障诊断流程的设计[J].小型内燃机与摩托车,2008(02):43-45.
[4]魏健. 用于电控发动机教学平台的发动机实时仿真模型研究[D].天津大学,2007.