神经网络技术在自动变速器故障诊断中的应用

1、Doi:10.3969j.issn.16733142.2010.09.014神经网络技术在自动变速器故障诊断中的应用廖发良（陕西交通职业技术学院 汽车工程系，陕西 西安 710018）摘要：在汽车各总成中，自动变速器因其结构复杂、技术要求高、拆装难度大、工作影响因素多，而成为汽车故障诊断的重点和难点。 神经网络由大量简单的非线性处理单元高度并联、互联而成，具有对大脑某些基本特性简单的数学模拟能力。 应用神经网络处理信息，不需要开发算法和规则，能极大地减少软件工作量。 将神经网络引入到汽车故障诊断系统，利用神经网络建立自动变速器的故障诊断模型，能更快更准确地分析和排除疑难故障.关键词： 神经网络

2、；自动变速器；网络模型；故障；诊断.中图分类号：U463212 文献标识码：B 文章编号：1673-3142(2010)09-0044-04Application of Neural Network Technology in Diagnosis of Automatic TransmissionLIAO Faliang（Department of Automotive Engineering. Shaanxi College of Communication Technology, Ian 710018,China）Abstract： In the automobile assemblies

3、， the automatic transmission is the key and difficult part in failure diagnosis for its complex structure， high technical requirement， difficult assembling and disassembling as well as many influencing factors The neural network is composed of lots of simple nonlinear processing units in parallel or

4、 series， which has the simple mathematic simulation of human brain features The neural network doesntt have to develop the algorithm and rules in processing information， so it can greatly reduce the workload Introducing neural network software into the diagnose system， establishing a diagnose model

5、of an automatic transmission using neural network， the failures can be analyzed and removed even faster and more accuratelyKeywords： the neural network； automatic transmission； network model； failure； Diagnosis1 引言在车辆技术保障中， 查找故障的时间为 70%左右，而排除与维修的时间占 30%1。 随着汽车技术的发展，车辆结构日益复杂，故障诊断的地位越来越重要。 为了提高维修质量，传统

6、的故障诊断方法已经不能满足技术要求，必须采用更准确、更高效的诊断方法。 20 世纪末，专家系统开始应用于工程技术实践， 同时人们开始研究基于知识的故障诊断专家系统。 神经网络、模糊集理论、混沌理论相结合，为故障分析开辟了新的途径，故障诊断正向多参数综合发展。 在汽车各总成中，自动变速器因其结构复杂、技术要求高、拆装难度大，而成为汽车故障诊断的重点和难点。 现代新的诊断理论和技术在其上的应用尤显必要。人工神经网络模型是在现代神经生理学和心理学的基础上模仿人的大脑神经元结构特性建立起来的一种非线性动力学网络系统。 它具有并行分布、非程序的、适应性的、大脑风格的信息处理能力。 针对这种特点，将神经网

7、络引入到汽车故障诊断系统，利用神经网络建立自动变速器的故障诊断模型，能更快更准确地分析和排除汽车的故障。 作为一种新的模式识别技术或知识处理方法，神经网络在汽车故障诊断领域具有广泛的应用前景 2。2 神经网络诊断的基本原理2.1 神经网络的基本原理神经网络是对人类大脑物理结构上的模拟，它采用计算机仿真的方法， 从物理结构上进行模拟，以使系统具有人脑的某些智能。 它由大量简单元件相互连接而形成一个复杂的网络， 具有高度的非线性， 能够进行复杂的逻辑操作和非线性关系的实现， 其中目前应用最多的是多层前馈神经网络模型，得名 于 BP （Back-Propagation）算 法 ，即BP 神经网络模型

8、。 它由输入层节点、输出层节点和隐藏层节点构成， 其中隐含层可以是一层或多层，相邻层采用全互连结构，其 BP 网络结构如图1 所示2.2 BP 神经网络算法的基本原理BP 神经网络算 法 的 基 本 原 理 是 梯 度 最 速 下降法，其中心思想是调整权值使网络总误差最小，也就是采用梯度搜索技术， 使网络的实际输出值与期望输出值的误差均方值为最小 。为了能够运用梯度算法， 首先将神经元的激励函数改造成可微的 S 型函数。 假设 N 是一个前向神经网络，给定样本集 K，对第 p个样本进行迭代学习，设迭代到第 t 时刻时网络的权值、阈值矩阵为 W（t），其相对应的误差平方和为 E(W(t)，用梯度

9、算法迭代搜索求 W 的最优值为：W（t+1）=w（t）+wt+1=wt+(E(w)/w)其中是迭代的步长。用梯度法的主要难度在于给出EWW的表达式，因此，在推导EWW的过程中引用“误差”的概念，令第一层第 i 个神经元的误差为 (1)。1i=EIli式中 I(1)i第一层第 i 个神经元的净输入从而推导出各层的“误差”之间有如下的递推关系。(1)i=(l+1)kWkif(I(1)i)从这个关系式中可以看出误差将沿网络向后传播，这也是 BP 算法名称的由来，利用“误差”，还可以将梯度表示为：EWij=iO(I-1)j其中O(I-1)j表示其对应神经元的输出。2.3 BP 原理算法的步骤 31）构

10、造网络拓补结构，选取合理的网络学习参数。2）设置网络各权值和阈值的初始值 Wij(0)、i(0)为-1,1区间内的随机数。3）加载训练用的学习样本：输入向量 Xp(p=1,2, ,k) 和期望输出Yp(p=1,2, ,k)，对每个样本重复步骤 48。4） 计算网络的实际输出及隐藏单元的状态（假定激励函数为 Sigmoid 函数）OPj=fjWjiOi-i=1/1+exp-WjiOi-i5）计算网络输出误差 Ep=1/2(Ypj-Opj)6）若 E<Es （系均误差容限）或 EpEps（单个样本的误差容限） 或达到指定的迭代步数学习结束，否则进行误差反向传播，转向（7）。7）计算训练误差：

11、pj=Opj(1-Opj)(Ypj-Opj) （输出层）pj=Opj(1-Opj) （隐藏层）8）修正权值和阈值：Wji(n+1)=Wji(n)+pjOpj+(Wji(n)-Wji(n-1)j(n+1)=j(n)+pj+(j(n)-j(n-1)9）转向步骤（3）。3 神经网络在自动变速器中的故障诊断3.1自动变速器故障分析自动变速器是汽车的重要传动部件， 其质量和运行状况直接影响到汽车整车的使用状况。 随着自动变速器性能的不断完善， 结构也越来越复杂。 自动变速器成为集液压技术、电子技术和机械技术于一体的精密机电产品， 各部分的结构和影响因素较多，故障产生的原因往往不是单一的。以某自动变速器为

12、例， 其电子控制系统由变速器控制模块 、各种传感器、3个换挡控制电 磁阀、2个离合器压力控制电磁阀、1个锁止控制电磁阀等执行器组成；控制模块根据换档杆的位置信号、进气歧管压力信号、发动机转速信号、节气门位置信号、车速信号、变速器主轴转速信号、中间轴转速以及冷却液温度等信号， 实现换挡时刻控制、变矩器的锁止、坡度模式控制、失效保护、故障报警以及自诊断等控制功能。3.2自动变速器的诊断方案自动变速器的故障通常分为机械系统故障、液压系统故障和电子控制系统故障等 3 个方面。对于机械系统故障主要为离合器故障、 制动器故障、单向离合器故障和齿轮系统故障等方面；对于液压系统故障主要为 ATF故障、油路故障

13、、液压阀故障等方面； 对于电控系统故障主要为换挡电磁阀、锁止电磁阀、压力控制电磁阀、各种传感器和 ECU 等方面。 前两者只要正确使用和维护，故障发生的可能性是很小的，所以，电控系统是自动变速器故障的多发部位。 当发生这些故障时，自动变速器将不能正确及时换入相应的挡位， 出现换挡困难的现象。 这一故障现象的发生与各种传感器、换档电磁阀等输出信号存在一定的对应关系，根据这一特点， 将神经网络的方法应用到自动变速器故障诊断中， 从而得出整个方案的流程如图2 所示。3.3神经网络模型设计利用数据采集仪器，就可以做多次实验，并记录采集的数据，作为某个故障的训练样本，从理论 来说，训练样本要求越多越好，

14、这样结果就越来越精确。采集得到训练样本为表 1 所示。3.4神经网络的训练神经网络的训练过程就是权值和阈值的获过程，主要任务就是对输入样本进行训练，建立期的网络诊断系统，然后根据已有的数据，输入该网络诊断系统中，再通过网络训练系统建立权和阈值，并进行调整，从而达到所需的精度要求 4输入样本如表 2 所示。表中输出信号“0”表示系统正常，“1”表 示 统有故障现象。 根据神经网络的算法，设计神经络为输入层、隐藏层、输出层 3 层结构 5，确定网系统的总误差为 0.001，得出网络训练误差曲线如图 3 所示。中，采用了模块化的程序设计思想，对汽车发动机测控系统的软件进行功能模块划分。 其主要包括数

15、据采集模块的设计、 控制模块的设计和通讯模块的设计。它将控制规律及其算法与整个系统资源紧密相连完成测控功能。 数据采集模块主要任务：采集发动机的转速、冷却水温度、压力等模拟量以及多个开关量，MC9S12DP256 单片机进行定时采样，对采集到的数据加以处理。 控制输出模块的主要任务：是控制发动机的执行器进行点火、喷油和怠速控制。 根据发动机的动力性、燃油经济性、排放净化性等综合性能要求，对控制的内容进行全面的优化，使发动机处于最佳运行状态。 通讯模块设计有 CAN 收发器 TJA1050 初 始 化 程 序 的 模 块 化设计、CAN 报文的发送和接收程序的模块化设计、中断程序的模块化设计。

16、系统主程序如图 4 所示。4 结论本文提出了一种基于CAN总线的发动机测控系统设计方案， 给出了系统的硬件总体设计及其软件流程设计，并介绍了内置 CAN 控制器芯MC9S12DP256 在发动机测控系统中的应用，由CAN 控制器的集成，从而使外围电路大大缩小，抗干扰能力大大增强，充分发挥了CAN总线的优势，使得系统功能更加稳定，取得了良好的控制效果。参考文献1 徐 家 龙 柴 油 机 电 控 喷 油 技 术 M 北 京 ： 人 民 交 通 出 版 社 ，20042 饶 运 涛 ，邹 继 军 ，王 进 宏 等 现 场 总 线 CAN 原 理 与 应 用 技 术（第 2 版）M北京：北京航空航天大

17、学出版社，20073 孙 同 景 Free scale 9S12 十 六 位 单 片 机 原 理 与 嵌 入 式 开 发 技 术M北京：机械工业出版社，20084 王宜 怀 ，刘 晓 升嵌 入 式 系 统 使 用 HCS12 微 控 制 器 的 设 计与应用M北京：北京航空航天大学出版社，20085 梁春兰 基于虚拟仪器的发动机试验台架测试系统研究 D石家庄：河北工业大学；20086 刘晓红，王孝，苏铁熊基于 CAN 总线的电涡流测功机励磁电流控制系统的开发J农业装备与车辆工程，2008，（2）7 张庆，王慕坤CAN 总线在发动机测试系统中的应 用 J现 场总线与网络，2004，23（12），

18、39418 王致新， 马修真LR4105 型柴油机数字式电子调速器的 设 计研究D哈尔滨：哈尔滨工程大学；2008(上接第46页)图 3 中下方直线为目标曲线， 上方曲线为训练曲线。 由图可知，训练曲线的误差在可控范围之内。 说明通过训练数据样本，采用神经网络方法得到的故障结论是可信的。4结论本文通过建立神经网络模型， 分析了自动变速器产生故障的原因，并将 BP 神经网络应用到自动变速器的故障诊断系统中， 通过分析得出，BP神经网络能够解决某些实际的故障问题， 这种方法是可行的。 但是在计算过程中，由于数据存储量较大，因此会影响计算速度，这需要在诊断工作中进行进一步的研究和改进。 但和传统的诊断方法相比还是有较大的优越性。参考文献1 高国恒汽车检测诊断方法M北京：人民交通出版社，19992 肖云魁BP 神经网络在汽车故障诊断中的应用 J 汽车运输，2002（9）：24-273 周志华