[发明专利]一种采用神经网络模型诊断发动机故障原因的方法

权利要求书

1.一种生成用于判断发动机故障原因的模型的方法，包括：

A1)收集发动机的各种故障征兆和导致每一种所述故障征兆的至少一种故障原因；

A2)针对所述故障征兆中的每一种，根据与所述故障征兆对应的各种故障程度对所述故障征兆进行模糊化处理，以获得模糊化的故障征兆；

A3)基于所述模糊化的故障征兆与所述故障原因之间的对应关系，确定模糊规则，包括基于所述模糊化的故障征兆与所述故障原因之间的对应关系，将导致对应故障征兆的全部故障原因作为故障原因集，并且将与所述故障原因集中的故障原因对应的全部模糊化故障征兆作为故障征兆集，以将所述故障原因集与所述故障征兆集之间的映射关系作为模糊规则，其中所述模糊神经网络为径向基函数神经网络，其输入节点数量等于所述模糊规则的故障征兆集中模糊化故障征兆的数量，其输出节点的数量等于所述模糊规则的故障原因集中故障原因的数量或者取决于待分类模式的数量；

A4)根据所述模糊规则训练模糊神经网络，以获得用于判断发动机故障原因的模型。

2.根据权利要求1所述的方法，其中步骤A2)采用隶属度值法来执行模糊化处理，包括：

A2-1)基于模糊隶属度函数确定针对各种故障程度所设置的隶属度；

A2-2)针对所述故障征兆中的每一种，根据与所述故障征兆对应的各种故障程度的历史数据、以及针对各种故障程度所设置的隶属度，对所述故障征兆进行模糊化处理。

3.根据权利要求2所述的方法，其中所述模糊隶属度函数为高斯函数。

4.根据权利要求3所述的方法，其中在训练所述径向基函数神经网络时，通过遗传算法优化所述径向基函数神经网络的权值和阈值。

5.一种基于通过权利要求1-4中任意一项方法生成的模型来判断发动机故障原因的方法，包括：

B1)获得发动机的状态参数，所述状态参数与发动机的故障征兆对应；

B2)将所述状态参数输入所述模型，基于所述模型的输出确定故障原因。

6.根据权利要求5所述的方法，其中步骤B1)还包括：

B1-1)采集发动机的实时状态参数；

B1-2)将所述发动机的实时状态参数与发动机正常运行或者非正常运行的状态参数进行比较，在所述实时状态参数与正常运行状态参数之间的差值超过设定的阈值时，或者在所述实时状态参数与非正常运行状态参数之间的差值小于设定的阈值时，继续执行步骤B2)。

7.根据权利要求6所述的方法，其中步骤B1-2)还包括：

在所述实时状态参数与所述正常运行状态参数之间的差值超过设定的阈值时，或者在所述实时状态参数与所述非正常运行状态参数之间的差值小于设定的阈值时，针对与所述状态参数对应的故障征兆进行预警。

8.根据权利要求5所述的方法，其中步骤B2)包括：

基于与所述状态参数对应的故障征兆，将所述状态参数输入所述模型，基于所述模型的输出确定导致所述故障征兆的故障原因。

9.根据权利要求5-8中任意一项所述的方法，其中所述状态参数包括以下一种或多种：发动机转速、冷却液温度、进气口压力、机油压力、发动机扭矩、振动信号、曲轴位置、节气门位置。

10.一种计算机可读存储介质，其中存储有计算机程序，所述计算机程序在被执行时用于实现如权利要求1-9中任意一项所述的方法。

11.一种用于判断发动机故障原因的系统，包括：

处理器、和存储装置，

其中，所述存储装置用于存储计算机程序，所述计算机程序在被所述处理器执行时用于实现如权利要求1-9中任意一项所述的方法。