·上一文章：更新汽修工具的时候到了
·下一文章：图解蓄电池基础知识(下)
二、研究方案的提出
由于电控发动机在运行过程中，可以从相关传感器和执行器的信号和工作情况得知发动机的运行工况，因为这些传感器和执行器的信号相关关系包含了很多的信息，足以反映发动机的运行工况。
当发动机发生故障时，发动机电控单元就不能按照原先设定的程序正常工作，致使发动机的故障原因和发动机转速、节气门位置、冷却液温度、进气温度、进气压力存在不确定的对应关系，而这些不确定的对应关系又反映于不同的故障类别与上述参数的特征规律中。根据这种特点，可以用神经网络的方法来从中抽取出各自的特征规律，得出数学模型，从而识别出对应于这种特征规律的故障。所以，基于这种情况，本文探讨一种基于虚拟样机技术和神经网络技术故障诊断程序，从数据采集到得出结论，操作过程简便快捷。
在以上详细分析了电控发动机常见故障之后，选择以下能反映其规律的特征参数作为神经网络的输入向量：发动机转速、节气门开度、冷却液温度、进气温度、进气压力和喷油脉宽。理论上，选择的相关参数越多，对分析越有帮助，因为越多的特征向量，越容易判别出具备这些特征的故障类型。所以，选取了上述信号作为特征向量，因为它们能反映发动机运行和工作情况。本文方案流程如图2所示。
整个过程是分两个阶段完成的。第一阶段使用图形编程软件LabVIEW8.5按要求设计出用以采集神经网络的训练样本数据的采集样机。第二阶段将采集到的样本数据进行神经网络训练至性能合格可用，就可在LabVIEW中调用这个神经网络模型，进行实时测量分析，当有预先设定的故障出现时，由实时采集到的数据，经过神经网络软件分析，可立即给出诊断结果。
