基于神经网络的汽油机颗粒捕集器故障诊断
作者机构：清华大学汽车安全与节能国家重点实验室北京100084 清华大学苏州汽车研究院(吴江)江苏苏州215200
基 金：国家重点研发计划“大气污染成因与控制技术研究”(2017YFC0211004)
出 版 物：《车用发动机》 (Vehicle Engine)
年 卷 期：2019年第5期
页 码：1-7页
摘 要：为满足国六排放法规,搭载缸内直喷发动机的汽油车必须安装汽油机颗粒捕集器(Gasoline Particulate Filter,GPF)以限制颗粒物排放。GPF的故障诊断因标定困难、诊断频率低等问题,成为排放技术的研究重点。结合神经网络的非线性分类特性,提出了一种基于神经网络的GPF故障诊断算法。算法以GPF的诊断原理作为依据,采集稳态工况信息和对应的GPF前后压力信号作为特征输入,构成神经网络数据集;应用加噪等方法对网络结构进行优化,通过大量实验确定合适的网络参数进行泛化性能评估。评估结果表明:基于神经网络的GPF诊断算法具有良好的准确率和泛化能力。基于NI PXI系列软硬件开发了一套GPF诊断算法测试平台,对算法进行嵌入和可行性验证。测试结果表明:GPF诊断算法在发动机台架环境下能够完成故障的实时诊断和决策,满足设计要求。
主 题 词：汽油机颗粒捕集器 神经网络 故障模式 诊断算法 测试系统
学科分类：080703[080703] 08[工学] 0807[工学-电子信息类]
D O I：10.3969/j.issn.1001-2222.2019.05.001
馆 藏 号：203820371...
