汽车电控系统发生某些故障时,系统中会存储相关故障码,以便日后维修人员调取诊断。但并不是所有的故障发生后都会记录故障码,例如:当空调系统高压压力为260kPa(系统中制冷剂过少、存在泄漏或有堵塞)时,发动机控制模块会停止空调压缩机的工作,但此时电控系统中不会记录故障代码。因此,研究汽车空调系统动态数据的状况,将正常数据与故障数据进行分析对比,是找到故障点的重要手段。
一、神经网络故障诊断的基本思路
利用神经网络进行空调系统故障诊断,先要采集汽车空调系统正常工况下及故障工况下的训练数据样本;其次要确定网络参数和神经网络;最后利用训练好的神经网络对待诊断数据进行分析对比,得到故障诊断结果。具体诊断步骤如图1所示。
二、样本采集与数据检测
神经网络故障诊断的前提是样本数据采集,所采集的数据既要能反映汽车空调系统的技术状态和各种相关信息,还要能全面反映汽车空调系统故障的特点。
1.采集数据前提条件
(1)发动机怠速运转;
(2)车辆无故障;
(3)关闭除空调系统外的电气设备;
(4)发动机冷却液温度达到目标值。
2.检测内容及实验数据
检测内容包括2项:首先检测并记录下车辆无故障时汽车空调系统数据流;再检测并记录下出现故障时的故障数据流。
(1)正常工作时空调系统数据流见表1所示。
(2)压力传感器故障时空调系统数据流见表2所示。
(3)压缩机故障时空调系统数据流见表3所示。
三、网络模型的建立及验证
1.网络模型的建立
将表1至表3的数据进行训练,得出训练结果如表4所示。
2.网络模型的验证
将故障数据输入到网络程序中进行检测验证,故障数据如表5、表6所示。
为验证神经网络程序的诊断结果是否正确,将识别数据A、识别数据B分别输入到已训练好的程序中进行运算判别,其结果见表7所示。结果表明,利用神经网络进行汽车空调系统故障诊断能够正确判别故障。
四、结语
利用神经网络进行汽车空调系统故障诊断降低了对从业人员的素质要求,解决了维修过程中对故障判断的片面性,提高了诊断效率及准确性。