第３９卷第５期 林业机械与木工设备 Ｖｏ１ ３９ Ｎｏ．５ ２０１ １年５月 ＦＯＲＥＳＴＲＹ ＭＡＣＨＩＮＥＲＹ＆ＷＯＯＤＷＯＲＫＩＮ 垦 ｒｒ Ｍａｖ ２０１１ 辫 基于ＲＢＦ神经网络的汽车传感器故障诊断方法研究 李涵武，赵玉春，迟秋玲 （黑龙江工程学院汽车与交通工程学院，黑龙江哈尔滨１５００５０） 摘要：简要说明ＲＢＦ神经网络的构成及其算法，研究ＲＢＦ神经网络发动机电子控制系统传感器的故障诊断 方法，设计了一种发动机电子控制系统传感器诊断神经网络。借助流行的汽车ＯＢＤⅡ自诊断协议，组建发动机电子 控制系统的诊断数据采集系统，以记录实验发动机电子控制系统工作时系统的输入，输出数据，根据实验数据进行 诊断神经网络的训练和系统评价。 关键词：发动机；诊断；神经网络；径向基函数 中图分类号：ＴＰ３９１ 文献标识码：Ａ 文章编号：１００１—４４６２（２０１１）０５－００２３－０３ Ｓｔｕｄｙ ｏｎ ａ Ａｕｔｏｍｏｂｉｌｅ Ｓｅｎｓｏｒ Ｄｉａｇｎｏｓｉｓ Ｍｅｔｈｏｄ Ｂａｓｅｄ ｏｎ ＲＢＦ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ＬＩ Ｈａｎ—ＷＩｌ，ＺＨＡＯ Ｙｕ－ｃｈｕｎ，ＣＨＩ Ｑｉｕ—ｌｉｎｇ （ｃｏｌｉｅｇｅ ｏｆ Ａｕｔｏｍｏｂｉｌｅ ａｎｄ Ｔｒａｆｆｉｃ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｅｉｌｏｎｇｊｉａｎｇ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ Ｈｅｉｌｏｎｇｊｉａｎｇ １５００５０，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｔｈｅ ｃｏｎｓｔｉｔｕｔｉｏｎ ａｎｄ ｃａｌｃｕｌａｔｉｏｎ ｏｆ ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｉｓ ｓｉｍｐｌｙ ｉｌｌｕｓｔｒａｔｅｄ，ｆａｕｌｔ ｄｉａｇｎｏｓｉｓ ｍｅｔｈｏｄｓ ｏｆ ｔｈｅ ｅｌｅｃｔｒｏｎｉｃ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｓｅｎｓｏｒ ｏｆ ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ—ｂａｓｅｄ ｅｎｇｉｎｅｓ ａｒｅ ｓｔｕｄｉｅｄ ａｎｄ ａ ｋｉｎｄ ｏｆ ｓｅｎｓｏｒ ｄｉａｇｎｏｓｉｓ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｏｆ ｔｈｅ ｅｌｅｃｔｒｏｎｉｃ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｏｆ ｅｎｇｉｎｅｓ ｉｓ ｄｅｓｉｇｎｅｄ．Ｗｉｔｈ ｔｈｅ ｈｅｌｐ ｏｆ ｔｈｅ ｐｏｐｕｌａｒ ａｕｔｏｍｏｂｉｌｅ ＯＢＤ ｌＩ ｓｅｌｆ－ｄｉａｇｎｏｓｉｓ ｐｒｏｔｏｃｏｌ，ａ ｄｉａｇｎｏｓｉｓ ｄａｔａ ｃｏｌｌｅｃｔｉｏｎ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｅｌｅｃｔｒｏｎｉｃ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｏｆ ｅｎｇｉｎｅｓ ｉｓ ｅｓｔａｂｌｉｓｈｅｄ ｔｏ ｒｅｃｏｒｄ ｔｈｅ ｉｎｐｕｔ／ｏｕｔｐｕｔ ｄａｔａ ｏｆ ｔｈｅ ｅｌｅｃｔｒｏｎｉｃ ｃｏｎｔｒｏｌ ｓｙｓｔｅｍ ｏｆ ｔｈｅ ｅｎｇｉｎｅ ｉｎ ｔｈｅ ｒｕｎｎｉｎｇ ｐｒｏｃｅｓｓ ａｎｄ ｂａｓｅｄ ｏｎ ｅｘｐｅｒｉｍｅｎｔａｌ ｄａｔａ，ｔｈｅ ｔｒａｉｎｉｎｇ ｏｆ ｔｈｅ ｄｉａｇｎｏｓｉｎｇ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｎｄ ｔｈｅ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ｄｉａｇｎｏｓｉｎｇ ｎｅｔｗｏｒｋ ｓｙｓｔｅｍ ｃａｎ ｂｅ ｃｏｎｄｕｃｔｅｄ． Ｋｅｙ ｗｏｒｄｓ：ｅｎｇｉｎｅ；ｄｉａｇｎｏｓｉｓ；ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｒａｄｉａｌ ｂａｓｉｓ ｆｕｎｃｔｉｏｎ 汽车传感器是汽车测控系统的重要组成部分，是 系统获得数据的源头，其品质的优劣将直接影响到系统 的正常运行。汽车传感器的传统诊断方法主要有“看”、 “测”、“试”、“问”等，诊断效率低且对诊断人员的经验 要求高；采用仪器诊断是现代汽车诊断的重要手段，但 其仍对操作人员素质有所要求。 本研究是依托黑龙江省教育厅科技项目“汽车发 动机电子控制系统智能诊断技术研究”（１１５３１３１３）的成 高度非线性映射以及自组织、自学习能力的人工神经 网络，在故障诊断中已有一些应用先例。 １ ＲＢＦ神经网络及其算法 径向基函数网络（Ｒａｄｉａｌ Ｂａｓｉｓ Ｆｕｎｔｉｏｎ，简称ＲＢＦ） 是一种两层前向型神经网络，包含一个具有径向基函 数神经元的隐层和一个具有线性神经元的输出层。图１ 所示的单隐层前馈ＲＢＦ神经网络包括输入层、隐层和 输出层，其中各层节点数分别为ｎ，ｑ，ｍ。 在ＲＢＦ网络中，从输入层到隐层的变换是非线性 的，而从隐层到输出层的变换是线性的，隐节点的变换 果，研究汽车发动机电子控制系统传感器的故障智能 诊断方法，其目的是及时、准确地对发动机传感器各种 异常状态或故障状态做出诊断，提高电控发动机的工 作性能，把故障损失减小到最低程度。神经网络是具有 收稿日期：２０１１—０３—２３ 基金项目：２００８年黑龙江省教育厅科技项目“汽车发动机 函数是一种局部分布的对中心点径向对称衰减的非负 非线性函数，通常取Ｇａｕｓｓ函数，即 （８）＝ｅｘｐ（一６２／Ｂ ）。 隐层的每一个节点都有一个ＲＢＦ的中心向量ｃ ，ｃ ＝ ｌＣ Ｃｋ２，…，Ｃｋ，…，Ｃｋｎ ｋ＝ｌ，２，…，ｑ。 电子控制系统智能诊断技术研究”（１１５３１３１３） 林业机械与木工设备 第３９卷 Ｆ １．．． ▲ｍ 图１ ＲＢＦ网络结构拓扑图 整个网络有ｑ个这样的中心，ｑ为隐层节点数。与 一般的两层神经网络不同，它的隐层对输入进行固定 的非线性传递，而不包含可调权值，即输人向量的各个 分量不被改变地传送到每一个隐节点，隐节点８ 定义 为输入模式ｘ＝［ｘ ，Ｘ ，…，ｘ 一，ｘ ］ ，距该隐节点径向 基函数中心向量Ｃ 的欧几里德范数８ 为： ｎ ＝ｌ ｌ— 【 ｌ２＿２（Ｘｉ—Ｃｋｉ） ｋ＝ｌ，２，…，ｑ ＝ｌ 式中的Ｃ 是隐节点径向基函数中心向量ｃ 的第ｉ 个分量，所以变换后每个隐节点的输出值Ｚ 为： ： （ ）＝ （１ ＩＸ—Ｃｋ ｌ ｌ）＝ｅｘｐＥ一 （Ｘ 一Ｃ￣）２／Ｂ ］ ＝１ ｋ＝ｌ，２，…，ｑ 各隐节点的输出ｚ 实际上代表着输入模式ｘ离开该 隐节点ＲＢＦ中心向量ｃ 的程度，即隐层的训练任务仅是 为每个隐节点选择其中心向量，而不是调整其权矩阵。 由于隐层到输出层空间的映射是线性的，故网络 的输出是隐节点输出的线性加权和，即： ＝ ｗｊ￣ｚｋ＝ＷｊＺ ｊ＝ｌ，２，…，ｍ ＝１ 式中：ｗｉ＝［ｗＩｌ＇Ｗ．２，…，ｗ．ｋ，…，Ｗｊ ］为隐层节点Ｊ的输出 权向量；ｚ＝［ｚ ，ｚ：，…，ｚ 一，ｚ ］Ｔ为隐层输出列向量； 表 示范数，通常取欧几里德范数； （・）为非线性Ｇａｕｓｓ函 数；Ｂ是实常数，用来改变高斯曲线的宽度，起到控制 ＲＢＦ网络泛化能力的作用，Ｂ值越小，随着ｌ Ｉｘ＿ｃ Ｉ Ｉ的 增大，ｚ 下降得就越快，Ｇａｕｓｓ曲线变得很窄；反之，Ｂ 值越大，曲线越宽。 从８ 的计算公式可见，当输入模式ｘ恰好位于隐 节点ｋ的中心Ｃ 时ｘｉ—ｃ ＝０，因此８ ＝０。再由ｚ 的计算 公式可得Ｚｒ‘Ｐ（８ ）＝１。随着ｘ远离Ｃ ，６ 增大，ｚ 变小。 因此，隐节点ｋ的输出ｚ 反映了ｘ离开该隐节点所代 表的径向基函数中心Ｃ 的程度。 ２基于神经网络的传感器诊断方法 基于神经网络的传感器故障诊断方法可实现控制 系统的实时建模，用神经网络代替解析冗余技术中的 系统建模，根据被控对象的输入输出信号即可训练神 经网络，然后根据系统输出与神经网络输出之间的差 值来检测传感器故障，图２所示为基于神经网络的传感 器故障诊断方法原理框图。由于采用实际系统的输入 输出信号作为训练样本，无需系统的经验知识即可建 立神经网络模型并给出系统输出的估计值，所以这种 方法易于实现，并能满足实时故障监ｉ贝０和诊断的要求。 传感器故障诊断结果 图２基于神经网络的传感器故障诊断原理图 ３诊断数据采集系统的构建 带有ＯＢＤ ＩＩ随车诊断系统的汽车电子控制系统是 建立在Ｂ类数据通信网络协议基础上的。Ｂ类网络数 据通信有两种主要应用，一种是为以１０．４ＫＢ的速率通 信而优化设计的，另一种是为以４１．６ＫＢ的速率通信而 优化设计的，世界各国所生产带有ＯＢＤ １１的汽车大多 采用或兼容这两种应用。 本研究借助流行的汽车ＯＢＤⅡ自诊断协议，组建发 动机电子控制系统的诊断数据采集系统。该系统主要由 硬件接口电路部分和通信协议反数据分析软件部分组 成。接口电路负责ＯＢＤⅡ系统与Ｐｃ机之间的信号转换， 数据采集与分析负责向ＯＢＤ ＩＩ系统发送请求接收应答， 并分析、显示应答信号及相关信息，如图３所示。 ＰＣ机ｌＲＳ２３２ ＯＢＤ Ｉ ｌＯＢＤ ＩＩ 嚣雾 望童 ＝＝ｆ— 篓 图３诊断数据采集系统的整体结构 利用构建的诊断数据采集系统在运行中记录发动 机实验电子控制系统工作时系统的输入／输出数据：包 括发动机转速、发动机负荷、节气门开度、发动机进气 量（质量流量）、发动机冷却液温度、进气温度、电源电 压、发动机点火提前角、喷油量（喷油持续时间），部分 数据样本见表１。 表１原始数据样本（部分） 转速 发动机节气门点火提 喷油 空气质量电源 冷却液 进气 ／ｒ＇ｍｉｎ 负荷／ｍｓ角度／。前角／ｏ时问／ｍｓ流量／ｇ 电压／Ｖ温度，℃温度 ８００ ２．８０ ４．３ １２ ７．０５ ４．５１ １３．６５ ９４．５ ２４．０ ９２０ ２．６５ ４．８ １２ ５．６１ ５．０７ １３．６５ ９９．０ ２４．０ １ ０８０ ｌ盘Ｏ ３．５ １２ ４．１７ ３．３３ １３．６５ ８８．５ ２５．５ １ ２８０ ２ ．００ ５．２ １２ ４．Ｏ８ ５．２８ １３．７２ ９７ ． ５ ２２ ．５ 第５期 李涵武，等：基于ＲＢＦ神经网络的汽车传感器故障诊断方法研究 ２５ ４空气流量传感器诊断实例 以发动机空气流量传感器故障诊断为例，分析发 动机电子控制系统的ＲＢＦ神经网络诊断方法，诊断的 在完成上述的训练过程后，将实验获得的故障特 征值输入到训练好的诊断网络中，网络的输出即是诊 断的结果，在１００组诊断数据中只有９组诊断结果出 原始数据是利用前述的诊断数据采集系统获得的，等 距选取部分数据进行神经网络训练，部分数据进行验 现了错误。诊断的正确率达到９１％。 ５小结 证试验。ＲＢＦ神经网络诊断模型输入层共有９个神经 元。对应系统的９个故障征兆特征值；输出层共有１个 神经元．对应１种典型故障类型（空气流量传感器故 障）；ＲＢＰ神经网络采用ＭＡＴＬＡＢ语言编程，训练过程 及收敛情况如图４和图５所示。 ＲＢＦ神经网络技术应用于发动机传感器故障诊断 是可行的。其具有操作简便、快速、直观、网络参数便于 调整等优点，缺点是神经网络的学习及问题求解具有 黑箱特性，其工作具有不可解释性。 文中建立的ＲＢＦ网络模型能够实现比较精确的映 射，精度达９０％以上，可满足故障诊断的准确度要求。 参考文献： 器 翼 ［１］刘海波，李涵武．电控汽车发动机故障诊断技术研究［Ｊｊ．哈尔滨 商业大学学报：自然科学版，２００９（３）． ［２］黄勇．基于改进ＢＰ神经网络的柴油机故障诊断研究ＥＪ］．汽车科 技，２００９（２）． ［３］徐礼超．基于ＢＰ神经网络的汽车发动机故障诊断方法研究［Ｊ］ ．拖拉机与农用运输车，２００７（６）． ［４］邓日青．基于ＢＰ神经网络的电喷发动机故障诊断研究ＥＪ］．北京 训练次数 汽车，２００７（６）． 图４训练曲线（ＲＢＦ） ［５］飞思科技产品中心．神经网络理论与ＭＡＴＬＡＢ７实现［Ｍ］．北京： 电子 业出版社．２００５． ［６］张俊＿，Ｊ、波和ＲＢＦ神经网络在轴承故障诊断中的应用［ＪＪ．轴承， ２００９（１１）． 丑 ［７］石灵丹．ＲＢＦ神经网络在柴油机燃油系统故障诊断中的应用研 究［Ｊ］．船电技术，２００９（８）． 屡 是 ［８］彭继慎．基于ＲＢＦ神经网络的控制系统传感器故障诊断方法 ［Ｊ］．现代电子技术，２００９（１２）． ［９］王璐．基于ＥＫＦ训练的ＲＢＦ神经网络及其故障诊断应用［Ｊ］．振 动、测试与诊断，２００８（４）． 第一作者简介：李涵武，男，黑龙江工程学院教师，副教 数据序号 授，研究方向为车辆工程、汽车智能诊断。 图５收敛情况（ＲＢＦ） ◆－◆一◆－－－●－・◆＿◆一◆－．－◆ ’。 －．－．－．－．－¨ ＿ ‘＿ 。＿ －◆－＋－◆－．－◆－◆－．＿＋－．－．－．－．．◆－◆－．．◆－◆，◆－◆－◆一◆一◆．◆ ・信息速递・ 国家公益性行业专项经费重大项目 “森林营建与利用的高效低耗现代技术装备研发”项目启动 国家林业公益性行业科研专项经费重大项目“森林营建与利用的高效低耗现代技术装备研发”项目启动会于３月２６日在 中国福马集团公司举行。该项目由国家林业局科技司纽织、财政部枇复立项。 国家林业局科技司综合处吕光辉，计划处项目办副主任陈列，中国福马集团公司董事长、总经理刘群、副总经理岳群 飞，项目承担单位东北林业大学以及哈尔滨林业机械研究所、南京林业大学、北京林业大学、中南林业科技大学内蒙古农业大 学以及项目产业基地等协作单位领导、专家、项目组成员３０余人参加了此次会议。会议由项目负责人、东北林业大学工程技术 、学院院长王立海教授主持。 中国福马集团公司董事长、总经理刘群代表集团公司致辞，国家林业局科技司综合处吕光辉做了重要讲话，项目负责 人王立海教授从项目层次、各课题研究目标、研究任务、年度计划、考核指标、研究进展等方面进行了汇报。 国家公益性行业专项经费重大项目主要面向行业发展，围绕中・心工作 统揽全局，解决共性、关键性、应急性的重大技术难 题，为林业中心工作和行业发展提供科技支撑。 摘自《中国林机网》
