高紅波

(洛陽職業(yè)技術(shù)學(xué)院，河南 洛陽 471003)

0 引言

伴隨汽車發(fā)展而來的是能源問題。根據(jù)國(guó)際能源機(jī)構(gòu)預(yù)測(cè)，隨著經(jīng)濟(jì)的發(fā)展、社會(huì)的進(jìn)步和人口的增長(zhǎng)，全世界的能源消耗在今后20年至少增加1倍。世界原油價(jià)格的不斷上漲，已經(jīng)預(yù)示著能源危機(jī)的出現(xiàn)，為了有效地解決能源危機(jī)，最直接的方法是用新的、清潔無污染的燃料代替燃油。拖拉機(jī)是農(nóng)業(yè)生產(chǎn)中最常用的機(jī)械之一，其燃料消耗和污染排放都較大，為了達(dá)到節(jié)能減排的目的，可以采用新能源發(fā)動(dòng)機(jī)和智能電器化改造的方法。其中，電器故障診斷是電器化改造的重要環(huán)節(jié)。由于控制系統(tǒng)較為復(fù)雜，因此對(duì)于智能化診斷系統(tǒng)的研究具有重要意義。

1 新能源拖拉機(jī)空調(diào)電器及控制系統(tǒng)

新能源拖拉機(jī)除了節(jié)能環(huán)保之外，還可以通過車內(nèi)空調(diào)系統(tǒng)為農(nóng)機(jī)操作者提供一個(gè)舒適的駕駛和乘坐環(huán)境。為了提高拖拉機(jī)空調(diào)的智能化控制，可以采用CAN總線對(duì)空調(diào)系統(tǒng)進(jìn)行智能化控制，基本框架如圖1所示。利用CAN總線驅(qū)動(dòng)可以實(shí)現(xiàn)空調(diào)壓縮機(jī)的速度變化，通過CAN總線將轉(zhuǎn)速信息傳遞給VMS，通過反饋調(diào)節(jié)的方式對(duì)轉(zhuǎn)速進(jìn)行實(shí)時(shí)控制，從而可以有效地調(diào)節(jié)空調(diào)溫度，達(dá)到節(jié)能的目的。

圖1 新能源拖拉機(jī)空調(diào)驅(qū)動(dòng)示意圖

為了實(shí)現(xiàn)圖1的空調(diào)控制基本框架，可以采用全自動(dòng)電子控制方案，利用微處理器MCU實(shí)現(xiàn)核心調(diào)節(jié)器的智能控制，利用傳感器信號(hào)采集反饋給控制系統(tǒng)，從而達(dá)到智能控制的目的，如圖2所示。

圖2 新能源拖拉機(jī)空調(diào)節(jié)能控制器

2 基于神經(jīng)網(wǎng)絡(luò)的新能源拖拉機(jī)電器系統(tǒng)故障診斷

新能源拖拉機(jī)電器系統(tǒng)在工作過程中可以利用傳感器采集一系列的數(shù)據(jù)，如果采用一定算法將正常數(shù)據(jù)和故障數(shù)據(jù)進(jìn)行訓(xùn)練，可以有效地提高電器系統(tǒng)故障診斷的智能化程度。神經(jīng)網(wǎng)絡(luò)算法是一種智能化程度較高、準(zhǔn)確性較好的學(xué)習(xí)訓(xùn)練算法，并且可以通過改進(jìn)學(xué)習(xí)參數(shù)，調(diào)整學(xué)習(xí)權(quán)值，提高訓(xùn)練的準(zhǔn)確性。本次研究主要采用神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)新能源拖拉機(jī)電器系統(tǒng)故障診斷系統(tǒng)進(jìn)行優(yōu)化設(shè)計(jì)，其結(jié)構(gòu)如圖3所示。

圖3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法結(jié)構(gòu)

圖4 基于神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的PID控制器結(jié)構(gòu)

network learning algorithm

為了便于計(jì)算機(jī)仿真，被控對(duì)象采用離散化模型。PID控制器采用經(jīng)典的數(shù)字式PID控制器，其中經(jīng)典增量式數(shù)字PID的控制算法為

u(k)=u(k-1)+kp[error(k)-error(k-1)]+

kierror(k)+kd[error(k)-2error(k-1)+

error(k-2)]

(1)

其中，kp、ki、kd分別為比例、積分、微分系數(shù)。

神經(jīng)網(wǎng)絡(luò)輸入層的輸入為

(2)

其中，輸入變量的個(gè)數(shù)M跟控制系統(tǒng)的復(fù)雜程度有關(guān)，網(wǎng)絡(luò)隱含層的輸入、輸出為

(3)

(4)

網(wǎng)絡(luò)輸出層的輸入輸出為

(5)

輸出層輸出節(jié)點(diǎn)分別對(duì)應(yīng)3個(gè)可調(diào)參數(shù)kp、ki、kd，由于kp、ki、kd不能為負(fù)值，在仿真中利用的是離散化的控制對(duì)象，對(duì)故障判斷的準(zhǔn)確性進(jìn)行實(shí)時(shí)反饋，從而可以調(diào)整電器故障診斷的準(zhǔn)確性，提高電器故障診斷的速度。

圖5表示對(duì)新能源拖拉機(jī)電器故障診斷的正常和故障數(shù)據(jù)樣本的訓(xùn)練過程。將給定的樣本輸入到神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法中，可以求出期望目標(biāo)值和實(shí)際輸出值得偏差。然后利用誤差反饋調(diào)節(jié)修正權(quán)值，使其達(dá)到最終想要得到的計(jì)算精度，當(dāng)達(dá)到要求的計(jì)算精度時(shí)，學(xué)習(xí)過程結(jié)束；如果達(dá)不到要求精度，則繼續(xù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，新能源拖拉機(jī)電器系統(tǒng)故障診斷的流程如圖6所示。

圖5 神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程圖

圖6 基于神經(jīng)網(wǎng)絡(luò)算法的電器系統(tǒng)故障診斷

neural network algorithm

通過神經(jīng)網(wǎng)絡(luò)訓(xùn)練后可以得到檢測(cè)樣本的數(shù)據(jù)，將檢測(cè)樣本數(shù)據(jù)和實(shí)際測(cè)試數(shù)據(jù)進(jìn)行對(duì)比，便可以得到故障診斷結(jié)果。

3 新能源拖拉機(jī)電器系統(tǒng)故障診斷測(cè)試

為了驗(yàn)證神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法和仿真系統(tǒng)在新能源拖拉機(jī)電器系統(tǒng)故障診斷中的可行性，根據(jù)第1節(jié)得電器節(jié)能系統(tǒng)設(shè)計(jì)和第2節(jié)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，對(duì)診斷系統(tǒng)進(jìn)行了測(cè)試，拖拉機(jī)模型如圖7所示。

圖7 拖拉機(jī)模型示意圖

以一款新型拖拉機(jī)的電器系統(tǒng)為例，采用新能源混合動(dòng)力技術(shù)對(duì)空調(diào)電器系統(tǒng)進(jìn)行改造，并建立了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的空調(diào)電器故障診斷系統(tǒng)，利用系統(tǒng)首先對(duì)電器系統(tǒng)正常的數(shù)據(jù)流進(jìn)行訓(xùn)練，其具體數(shù)據(jù)如表1所示。

在進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練時(shí)，可以將多組正常數(shù)據(jù)樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，提取相應(yīng)的特征值，然后導(dǎo)入故障數(shù)據(jù)進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練。電器系統(tǒng)存在故障時(shí)的數(shù)據(jù)如表2所示。

表1 新能源拖拉機(jī)電器系統(tǒng)正常工作時(shí)的數(shù)據(jù)流

表2 新能源拖拉機(jī)電器系統(tǒng)故障時(shí)的數(shù)據(jù)流

將新能源拖拉機(jī)電器故障時(shí)的數(shù)據(jù)導(dǎo)入到神經(jīng)網(wǎng)絡(luò)仿真系統(tǒng)中進(jìn)行訓(xùn)練后，可以實(shí)現(xiàn)故障的智能化診斷。不使用PID調(diào)節(jié)器和使用PID調(diào)節(jié)器的計(jì)算誤差分別如圖8和圖9所示。

圖8 不使用PID訓(xùn)練誤差變化曲線

為了驗(yàn)證PID調(diào)節(jié)器在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的有效性，將不使用PID調(diào)節(jié)器訓(xùn)練的計(jì)算誤差進(jìn)行了計(jì)算得到了如圖8所示的結(jié)果，其計(jì)算收斂誤差達(dá)到了10-1精度，誤差較大。

圖9 使用PID訓(xùn)練誤差變化曲線

使用PID調(diào)節(jié)器后的計(jì)算誤差僅為10-2，誤差較小，計(jì)算精度較高，對(duì)有無故障的電器系統(tǒng)分別進(jìn)行了測(cè)試，結(jié)果如表3所示。

表3 測(cè)試樣本診斷結(jié)果

分別對(duì)有故障和無故障的電器系統(tǒng)進(jìn)行了測(cè)試，結(jié)果表明：基于神經(jīng)網(wǎng)絡(luò)仿真的診斷系統(tǒng)對(duì)電器系統(tǒng)故障的診斷精度較高，最低精度在98%以上，可以滿足新能源拖拉機(jī)電器系統(tǒng)智能化診斷的需求。

4 結(jié)論

為了提高新能源拖拉機(jī)空調(diào)電器智能化診斷的效率和水平，基于神經(jīng)網(wǎng)絡(luò)算法和PID控制器，對(duì)診斷系統(tǒng)進(jìn)行了優(yōu)化設(shè)計(jì)，建立了基于神經(jīng)網(wǎng)絡(luò)技術(shù)的空調(diào)電器故障診斷系統(tǒng)，并以一款新型拖拉機(jī)的電器系統(tǒng)故障診斷為例，對(duì)系統(tǒng)性能進(jìn)行了驗(yàn)證。結(jié)果表明：采用神經(jīng)網(wǎng)絡(luò)仿真系統(tǒng)對(duì)新能源拖拉機(jī)空調(diào)系統(tǒng)進(jìn)行故障診斷可以有效地提高故障判斷的準(zhǔn)確性，降低了人為判斷的片面性，在無需專業(yè)技術(shù)人員的情況下也可以達(dá)到智能檢測(cè)的目的。