吉利卓越发动机的诊断与排故

　　1978以来，改革开放至今已超过30年。中国从计划经济转变为社会主义市场经济。经济稳步，有效地发展，从一个经济落后于第二大经济体在世界上。纵观全球经济的发展，社会各界已经形成了多管齐下的情况下，行业巨头凭借其知名品牌，影响深远的专利技术，开发和完善的销售渠道，贴心细致的服务等软和硬实力，分割全球市场。自中国加入世界贸易组织，中国市场这块大蛋糕终于达到西方发达国家的表。他们迅速打开，并通过渠道，如中外合资企业和外商独资企业占据了中国市场。虽然，经过这一轮中国与西方国家之间的经济和文化交流，中国人民经历了由西方领先科技所带来的便利和生产，经营和工作生活甜蜜，但也不能忽视中国经济的振兴和发展不能与外国投资者的投资，自主品牌企业的发展是正确的选择。全球经济一体化的情况也呈上升趋势，技术发展的步伐正在加快。作为后起之秀，中国的自主品牌企业必然要面临严峻的挑战。对于各种难以捉摸的不确定性和强劲的外国公司的战术，中国的自主品牌企业如何发展，如何准确，准确地在这个环境？抓住机遇，赢得挑战已经成为当今关注的热点。科学技术和经济社会发展的进步，最终目的是造福于民，理论与实践的完美结合，是最典型的例子之一。1886年，德国工程师卡尔·奔驰制造了世界上公认的第一辆现代汽车。自那以来，汽车工业的不断发展，为世界和人类文明的发展带来了巨大变化和促进作用。在世界各国，无论是在发达国家还是发展中国家，汽车工业都是国民经济的强大支撑，对国民经济的发展起到了至关重要的推动作用。汽车产品的制造过程涉及许多行业，如钢铁，机械，化工，橡胶，电子等，流通和使用汽车的相关保险，能源，运输，维修等行业，其高产业关联性和技术基金浓度。在经济发展的浪潮中，它往往被视为国民经济的风向标。根据一些数据，在20世纪中期，战后日本经济的恢复和发展是出奇的快。国民经济增长了六倍，而汽车行业增长了57倍。xxxx发展中心也曾有过研究表明，在汽车行业，每单位的投入产出会拉动整个产业的双倍增长，整个社会的产业增加值则更在3倍以上。难怪，“现代管理学之父”彼得·德鲁克会将汽车产业冠上了“工业中的工业”的美誉。

　　在新中国，自1953年成立中国第一汽车制造厂，汽车产业的发展已超过60年。它的发展历程大致可以分为三个阶段：第一阶段，改革开放从1953年到1978年之前;中国汽车产业的诞生，推出解放牌卡车和红旗轿车，并从头汽车产品，为汽车行业的发展奠定了基础。第二阶段，从1978年到20在今年年底，中国汽车产业取得了快速发展，并形成了较为完整的汽车产业体系和汽车产品体系。通过技术引进和合资企业，汽车产业的水平有了很大的提高。在第三阶段，进入21世纪，随着中国加入WTO后，汽车产业已进入市场的规模和快速的生产规模的时代，并已开始融入全球汽车产业体系。中国汽车工业快速发展起步于第二阶段，而本文所要解决的问题也正是在这个阶段产生的。中国汽车工业发展的第二阶段，主要是在XX部门的主导和调控之下，通过“以市场换技术”的方式，结束多年来闭门造车的状态，开始“请进来”、“走出去”的发展战略。1978年10月，李岚清受命参与领导同X通用汽车公司谈判重型汽车项目的技术引进。在谈判过程中，通用董事长汤姆斯·墨菲向中方提出：“你们为什么只同我们谈技术引进，而不谈合资经营(joint venture)他建议中国最好采用“中外合资”的形式来经营。xxxx在简报中建议搞合资经营的内容旁，批上了“合资经营可以办”。这个批示，解放了多年来禁锢中国人的思想禁区，中国汽车工业由此翻开了全新的一页。随后，从1984年1月至1985年7月，中国第一家汽车合资企业-北京吉普，上海大众，广州标致建立。对于超过30年，合资企业在中国汽车产业发展中的作用已不明显。据中国汽车工业协会对中国的汽车生产统计数据和销售：2012年，全国汽车产销量为19.27万，1930万，居世界第一位，同比分别增长4.6％和4.3％，同比增长3.8来自2011年百分比的同期点和1.9个百分点;在2013年，全国汽车产量为22116800辆，同比增长14.76％，较上一年。全国汽车销量为2194410台，同比增长13.87％，较上一年。这是世界第五个年头。然而，这个华丽的数字背后，存在着巨大的危机隐藏在它—中国的自主品牌轿车的生存和发展受到严重合资品牌和国外汽车巨头的威胁。合资车占据中国市场的主导地位凭借的国际汽车巨头的品牌，管理，技术和服务优势，并几乎完全占据领了中国中高端汽车市场；相较之下，我国自有品牌汽车则是起步较晚、技术落后、资金不足，导致严重的国外先进技术依赖、科技创新能力匮乏、汽车行业发展受阻等不利现象，当初“以市场换技术”的设想化为泡影。在一定程度上来说，这是引狼入室般的决定，然而我们却没能将狼的本性摸个透彻。事已至此，中国自主品牌汽车要继续发展是不置可否的事实，而且必须要发展得好；根据“十二五”规划，未来五年内，我国要完成从汽车大国到汽车强国的转变。那么，我国的自主品牌汽车作为后进企业，走什么样的发展道路，如何进行产品创新，才能从合资品牌汽车和外资汽车手中抢回中国市场，占据一席之地？这是当今中国汽车行业迫切需要解决的问题，也正是本文所要研究的主要问题。根据近年来自主品牌汽车，例如吉利

　　随着经济的发展，人们的生活水平也不断增加，汽车的数量不断增加，环境恶化。自从世界上第一个严重的光化学污染事件引起的洛杉矶汽车排放量在1940年代，随着发展，越来越多的汽车，造成汽车尾气污染事件时有发生多次在世界各地。虽然汽车产业的发展促进了经济和社会的发展，也严重污染环境氛围。在中国，随着社会经济的发展，汽车产业是快长大后，汽车的销量已经迅速从183万增加到1998年，并通过500万在不到几年的爆发。2005年，销量达到576万。到2010年，一些分析人士指出，中国每年的汽车销售将超过900万美元。目前的情况是，汽车在全社会的数量急剧上升。其结果是，在整个日益严重的空气污染，汽车尾气排放是“比贡献，这说明汽车尾气污染的严重性的一半。在汽车行业，这些行的尾气排放放超标车尤其对环境造成巨大影响。为了有效控制尾气排放，各国XX纷纷出台了政策来限制车辆的尾气排放，其中政策之一就是当车辆老化到一定程度导致尾气排放达到一定限值后，车载诊断系统要报告车主故障以做出合适处理，这个诊断系统就是尾气排放车载故障诊断系统。该排气净化车载故障诊断系统是基于低排放控制法规。首先，车辆必须符合国家XX的排放法规，也就是说，车辆必须低于国家监管限制在一定范围内里程。有了这个基础，XX后来提出了汽车新的要求。这是车载故障诊断系统，其是指某些部件或系统的老化，当车辆在其生命周期中驱动排气排放。当偏差导致排放超过一定限度时，自诊断系统必须响应和报告的车辆控制系统。车辆故障警告灯被接通，以提示车辆用户输入服务站进行维修。为了满足这些国家的规定，汽车制造商和汽车电子控制制造商必须开发出具有这样的功能。在这个过程中，有必要了解多少，以及哪些因素来自汽车尾气，其中汽车零部件相关发射，以及它们如何与这些部件。如何影响废气排放，如何监控这些部件和系统的状态，以达到监控车辆排放的作用。理解这些因果关系后，有必要建立数学模型，用于监测这些参数，澄清监测和判断逻辑，和在数学模型中，以避免来自其它因素的干扰建立必要的判断条件下，为了实现准确的目的确定车辆的部件。数学模型建立后，如何调试的实车参数，设定发动机控制和判断的参数值，并达到故障系统会导致尾气排放超标。或零部件，也可清楚判断出良好系统的目的。这些，不但从现实和理论上来说都具有重要的意义。

　　本课题的研究背景是北京的当地XX实施的汽车国家三级排放标准，中国于2006年12月1日，这不仅需要在北京销售的车辆2006年12月1日之后，以满足发光耐久性限值要求，即车辆。该排放必须低于一定的驾驶范围内的国家限值。与此同时，车辆必须不断地诊断使用寿命内其自身的排放性能。当辐射超过一定限度时，车辆必须报告说，排放超标的故障和判断。究其原因，并指出其对应的故障码。为了满足这些法规的要求，该项目是开发车辆，上海通用汽车有限公司，这是符合国家和地方XX规定。在此过程中，原则由系统和OBD系统的方法，以及催化转化器的选择的诊断引入。进行详细的实验研究，分析存在的问题和具体OBD发展试验方案。

　　由于汽车产业的发展历程车辆故障诊断系统的发展趋势，汽车排放的外资控制已经存在了很长一段时间，而且还必须控制在最早的汽车尾气排放和排放车辆的耐用性。1994年，X开始实行监测和诊断汽车排放相关的组件的OBDII法规。1988年以前，XX没有为车载诊断系统的任何要求，只是测试车辆的排放耐久性。在这个阶段中，只有汽车制造商自己设计，以应付复杂的发动机电喷控制系统，减少车辆维修的难度。线路自诊断系统。1988年后，随着发动机电喷系统的普及，XXX开始要求所有的汽车制造商进行自我诊断的电子元件。当电子元件出现故障，故障应报告，特别是那些影响行车安全。确诊后立即显示发动机故障灯。这一规定被称为OBDI，基本上不需要车辆排放的自我诊断。在1994年，在一方面，由于在车辆中使用的车辆环境污染的恶化远远高于新车更大。在另一方面，由于电子技术，尤其是计算机技术的发展的快速发展，它提供技术支持用于从车载诊断系统的排放量的自诊断，从而能够使用大量的车辆的数据的在引擎。快速的在线计算是在控制器内进行，XXX开始实施OBDII排放控制法规。在欧洲，在经历了1欧元和欧II排放标准后，欧III的规定，自2000年以来已经实施，引进了参照X标准OBDII样的规定，要求车辆相关部件或系统。统进行监控诊断，欧洲在法规中称之为OBD诊断系统（又称EOBD）。但是，XOBDII法规和欧洲OBD法规（也称EOBD）又有一些差异，它们的共同点如下：

　　1）、对氧传感器失效诊断提出要求，只要排放控制物的任何一项超标，要

　　求车辆作出在下故障自诊断并报告故障。

　　发动机失火诊断要求，只要发射控制对象中的任何一个超过标准，要求车辆，以使在故障下的自诊断并报告故障。3），燃料系统诊断偏差的要求，只要发射控制对象中的任何一个超过标准，需要在车辆作出故障诊断和报告故障。它们的区别如下：

　　1）、在催化器效率诊断方面，X法规要求对所有排放控制物进行监控，只要排放控制物的任何一项超标，要求车辆作出在下故障自诊断并报告故障；欧洲法规则考虑到工程技术的实际情况，在催化器监控中只对HC排放物提出要求，只有当催化器效率低到引起HC超标时才要求车辆作出诊断报告故障。

　　2）、X法规要求对燃油系统的油蒸气泄漏进行自诊断，防止油蒸气对大

　　气环境的污染，而欧洲法规则没有这方面的要求。

　　3）X法规UBDII排放法规限值是当时的耐用排放标准的1.5倍的限制，而欧洲法律规则有OBD排放限值无关。中国的汽车排放法规遵循欧洲的监管制度，并正在实施国家排放法规（相当于欧2）。全国第三届条例（相当于欧III）将于2007年7月1日全面实施，但为了准备以技术为汽车制造的一段时间内，全国第三中学的OBD试验法规将推迟到直到7月1日2008年在北京，由于车辆保险有一个巨大的汽车排放量，以及空气污染非常严重。因此，北京的当地XX要求提前国家规定的实施和国家三级排放标准（不含OBD试验规程）的实施将从2005年12月20日，实现从12月1日，2006年实现国家三排放法规（包括OBD测试条例）。作为中国汽车业仍相对国外相对落后，对技术改进的空间大。到2010年，全国汽车排放法规（相当于欧IV）将实施，北京将在2007年7月1日提前实施国家四个排放标准。来自中国和中国汽油车排放限值见表1、表2

　　尽管现代汽车使用的电控燃油喷射技术和电子控制点火系统，车载网络系统的使用，以及这些系统的故障可能导致汽车这样的失败，所谓偶然的，陈旧的，并且发生电流故障。，本地故障，远程故障等，但在实际故障诊断，仍遵循故障诊断的基本原则如下。

　　1)先外后内

　　在发动机出现故障时，先对电子控制系统以外的可能故障部位予以检查。这样可避免本来是一个与电子控制系统无关的故障，却对系统的传感器、电脑、执行器及线路等进行复杂且又费时费力的检查，即真正的故障可能是较容易查找到却未能找到。

　　2)先简后繁

　　能够以简单的方式来检查可能的故障位置首先检查。例如，直观的诊断是最简单的。我们可以用目测的方法，如观察，触摸，听很快找到了一些比较明显的断层。直观的诊断不能识别故障，并且有必要的检查与仪器或其他专用工具的帮助。

　　3)先熟后生

　　由于该结构和使用环境等，在发动机的特定故障现象可能是一些组件或部件的最常见的故障。这些常见的故障部位应首先检查。如果没有发现故障，检查其他可能无法使用的故障位置。在此过程中，它往往是能够快速地找到故障，从而节省时间和精力。

　　4)代码优先电子控制系统一般都有故障自诊断功能。当电控发动机运行时，故障自诊断系统监测到故障后，以代码的方式将该故障储存到电脑的存储器内，同时通过“检测发动机”警告灯向驾驶员报警。这时可人工或仪器读取故障码，并检查和排除故障码所指的故障部位。待故障代码所指的故障消除后，如果发动机故障现象还未消除，或者开始就无故障代码输出，则再对发动机可能的故障部位进行检查。

　　5)先思后行、坚持规范

　　对发动机的故障现象通过因果图先进行故障分析，了解可能的故障原因有哪些，然后按照各因素对改故障现象的影响程度排列成故障树然后确定故障排除过程，然后排除故障。这样可避免故障检查的盲目性：它并不会使那些不相关的故障现象的部位，并能避免一些相关部件的错过检查，并且不能迅速消除故障，并消除导致相同的可能性故障在不久的将来。隐患，避免纠纷。

　　6)先备后用

　　电子控制系统的一些部件具有好坏性能，并且该电路是否正常，并且通常是由参数，如电压或电阻来判断。如果没有这些数据，系统的故障检查将是困难的，而且往往只有新零件更换方法可以采用。这些方法有时会导致维修成本和耗时劳动的大量增加。因此，修复这种类型的车辆时，车辆的相关维护数据应来制备。除了收集和维护手册和专业书籍修复这些维护数据，另一种有效的方法是使用无故障车辆。该系统的相关参数被测量并记录为在未来的相同类型的车辆的检查的比较参数。如果平时注意做好这项工作，它会带来的方便了系统的故障检查。

　　2.2.1诊断过程

　　汽车发动机是一个典型的机电设备，工作条件恶劣，结构复杂。在长期的使用过程中，它必须承受各种高温度和应力的影响，从而使发动机的技术状态参数值显示不同的优势和不同的法律。，最终导致失败。为了了解性能参数，并在时间上的发动机的工作状况，就必须依靠发动机故障诊断与监控系统动态监控发动机的各个关键参数，然后确定根据发动机的工作状态这些参数的分析。引擎故障诊断技术是指购置具有某些特性和的的前提下，该车辆不崩解或信息的分析和处理所述发动机的各种动态信息没有完全崩解，依靠先进的传感器技术和监测技术。，区分和识别，并确认其异常表现，预测其发展趋势，找出其原因，位置和严重程度，并提出有针对性的维护措施和治疗方法，并提供公平的科学数据，发动机故障诊断设备主要完成电源，安全和经济性，可靠性和噪声，排放的监测，和其它条件。发动机故障诊断的基本过程如下：（1）建立的操作状态监视的内容，包括建立的监测方法，监测参数等，主要考虑到监视对象的结构，故障的形式，工作环境以及测试仪器等条件的现有因素。状态监视内容确定是否是适合于系统的诊断工作的成功或失败。（2）设置，根据前一步骤的要求的测试系统中，选择传感器及其配套设施，并形成一个测试系统，以收集所需要的故障诊断的信息。构建测试系统时，我们不仅要注意采集有用信号，还要考虑系统和抗干扰措施的环境适应能力。其中，状态信号的采集就显得尤为重要。状态信号是机械设备的异常或故障信息的载体。它是在故障诊断技术的实现过程中不可缺少的链路选择特定的检测方法和检测系统，以收集最能表征诊断对象的状态的信号。它的关键是故障诊断完全和真正收集足够数量的状态信号来客观地反映了诊断对象的状态的。该装置信号的检测是故障诊断的基础上，因此，测试技术的每一个发展和进步直接推动故障诊断的发展。(3)测试、分析及信息提取，主要内容是对借助测试系统所获取的信号进行加工，包括滤波、异常数据的剔除以及各种分析算法等，通过先进而实用的信号处理技术获得尽可能多的关于被诊断对象状态的基本特征信息。（4）状态监测、判断及预报，这一步工作主要是构造或选定判据，确定各部件状态相关参量的阈值等内容，以此判定被诊断参数对象的运行状态，并对未来发展趋势进行预测。

　　2.2.2模糊诊断方法

　　模糊的故障诊断是通过研究故障和症状之间的关系来判断该装置的状态。由于实际因素的复杂性，故障和征兆之间的关系很难用精确的数学模型来表达。对于某些故障状态模糊性的外观，也不可能用“yes或no故障”的简易诊断结果。表示，但请求故障发生和位置和所述故障程度的可能性。这样的问题可以用模糊逻辑，这导致模糊的故障诊断方法可以更好地解决。模糊故障诊断隶属函数和模糊关系矩阵的概念来解决故障和症状之间的关系的不确定性，进而实现故障检测和诊断。这种方法在计算简单，方便在应用，而结论是明确的和直观的。在模糊故障诊断，构建隶属函数是模糊故障诊断的前提，但由于隶属函数人工建造的，它包含了一定的主观因素。此外，存在用于特征的元件，诸如不合理选择的选择一定的要求。诊断结果的准确度会降低，甚至会导致诊断失败。

　　2.2.3故障树诊断方法

　　故障树模型是被诊断基于所述结构和所述对象的功能特性的行为模型。它是一种定性因果模型与最不希望的事件作为顶事件和其他事件可能导致顶事件发生作为中间和底部的事件。并使用一个逻辑门，以表示事件之间连接的倒置的树结构。它反映了特征向量和所述故障矢量（失败的原因）之间的全逻辑关系。当使用故障树故障搜索和诊断，它可分为逻辑推理诊断方法，并根据不同的搜索方法的最小割集诊断方法。它既有以规则为基础和定量模型式诊断的优势。随着时代的发展和图论和信息论的提高，故障图论应运而生。它的出现使得自动搜索和非线性复杂的系统故障更加准确和方便，这是故障诊断良好的发展方向的分析。。故障树（FT）分析是在逻辑代数，图论，和概率论的领域应用到故障诊断领域的诊断方法。故障树取顶部事件作为结束和作为原因底部事件，并用相同的最终结果的因果链被适当逻辑门组织在一起以形成树结构。。故障树分析法，首先把系统级故障事件作为第一级，再将导致该事件发生的直接原因并列地作为第二级，用符号表示并用逻辑门与顶事件联结起来，将导致第二个故障事件发生的原因并列地放在第三级，如此逐级展开，直到最基本的原因出现为止。依照此方法，分析系统发生故障的各种途径和可靠性特征量。

　　2.2.4神经网络诊断方法

　　对于故障诊断，其核心技术是故障模式识别和人工神经网络可以解决由于其自身信息处理的特点，如并行性，自学习，自组织和联想记忆功能的传统模式的认可。该方法是难以令人满意地解决，所以故障诊断是人工神经网络中的重要应用领域之一。目前，神经网络在故障诊断领域的一个研究热点。有应用系统的例子很多。神经网络在设备诊断领域的应用研究主要集中在两方面：第一种方法是将其用作从模式识别的透视故障诊断分类器;第二个是向神经网络与其他诊断方法结合以形成复合故障诊断方法。模式识别的神经网络故障诊断过程主要包括学习（训练）和诊断（匹配）的两个处理。这些过程的每包括两个部分：前处理和特征提取。单个神经元的处理能力是有限的，但多个神经元连接到一个网络结构的功能将大大提高。有许多类型的神经元，并有神经元之间连接的许多形式。连接它们的神经网络也有不同的结构。神经网络拓扑，神经网络有以下几种:

　　1）层次型结构：网络中的神经元网络有层次之分，各层神经元之间依次相连，并有层间反馈。、

　　2）全互连型结构：网络中每个神经元与其它神经元都有连接。

　　3）间隔基团互连结构：网络中的神经元被分成几组，以确定组内和组间连接的原则，以形成一个网络。4）网型结构：网络中的神经元形成有序的阵列，并且每个神经元仅连接到其相邻的神经元。不同类型的神经网络已经被提出来实现不同的功能需求。各种不同的网络可以执行特定的信息处理功能。在故障诊断领域，神经网络应具备联想功能，推理功能，学习功能和图形识别功能。这主要是实现这些功能的网络包括前馈网络和反馈动态网络。前馈网络是单向分层网络模块，其包括输入层，输出层，和中间层隐藏。从学习的角度来看，前馈网络是一个强大的学习系统，具有结构简单，易于编程。从信息处理的角度来看，它可以实现反应性传感，特异性刺激，识别和推理功能。本章采用前馈神经网络。

　　2.2.5主元分析法诊断

　　主成分分析是数据压缩和信息提取的有效方法。这种方法可以实现在线实时诊断，通常适用于大型的监控，慢慢改变稳态工业过程。故障诊断主成分分析的基本思想是使用主成分分析的方法来建立用于处理的历史数据在正常条件下的主组件模型。一旦与主成分模型所测量的信号的冲突，故障可以判断并进行数据分析。故障可以分开。主成分分析检测并与数据的大量的相关的冗余信息的故障分离非常有效，而它也可以用作用于故障的特征提取信号预处理方法。使用δ操作者的故障诊断是基于最小二乘投影矢量集的算子Hilbert空间，及完整的格型滤波器被推导为故障检测滤波器。由操作者δ描述的反向预测误差矢量的第一元件作为残差，和自适应噪声消除技术被用于使该故障的残余敏感。该方法可以在线实时检测，并且具有高灵敏度，小的计算量和强抗噪声能力的优点。但有时它的无限宽的数据窗口，使故障信息难以消除;故障基于的Kullback信息的标准检测系统的变化，当系统没有未建模动态特性，与阈值进行比较，以有效地检测出故障。根据分析模型的方法是最早开发和故障诊断的最系统的方法。所谓的分析的基于模型的方法是基于诊断对象的数学模型，并根据一定的数学方法中输入的测得的信息。在线诊断处理。的优点是，它具有未知的故障固有感光度;缺点是，它往往是很难获得的系统模型，鲁棒性问题日益突出，由于建模误差，干扰和噪音的存在。然而，根据分析模型的故障诊断方法的稳健性问题，具有重大的现实意义，因为很多实际的生产过程中由于各种未知干扰，噪声等因素，很难获得准确的数学模型。由于模型的不确定性且故障实际上是不希望的动态特性。如果模型的不确定性的影响没有得到很好的处理，原来的故障诊断方法，甚至可能完全失败。鲁棒故障诊断单元，在不确定建模的情况下，所述故障诊断系统可以区分干扰和故障到一定程度，并仍然具有更好的性能诊断故障。有在强大的故障诊断线性系统已经有许多丰富的成果。专着“Surveyofrobustresidualgenerationande-Valuationmetllod”鲁棒性体现在两个方面：残余产生和残留的评价。鲁棒残差生成的方法。主要有未知输入观测器，功能结构划分，干扰解耦，频域优化等方法，相当于空试验。健壮残留评价方法主要包括自适应阈值，残余选择和模糊逻辑。非线性系统的鲁棒故障诊断的一些方法也都在上面提到的专着，但没有太多的内容。的故障诊断方法的非线性系统的简要概述被提供，但稳健性问题没有深入讨论。关于非线性系统的鲁棒诊断断已有两篇相应的综述文章《On-line fault detection in uncertain nonlinear systems using diagnostic observers：a survey》《Deterministic nonlinear observer-based approaches to fault diagnosis：a survey》，其中有双线性/非线性未知输入观测器和自适应观察方法。近年来，在这个领域里大量出现新的进展。本章介绍了在这一领域的主要方法的简要概述。基于该分析模型的方法可以被进一步分为一个参数估计方法，状态估计方法和等效空间法。虽然这三种方法都是独立开发的，它们之间有一定的联系。已经显示的是，基于观测状态估计方法等效于等效空间法。相比之下，参数估计方法比状态估计方法更适合于非线性系统，但参数估计方法的一个弱点是需要比较准确的数学模型，且计算量偏大[。因此，现有的非线性系统的鲁棒故障诊断方法大多是基于观测器的状态估计方法，其中最主要的方法主要有两类：对结构化未知扰动解耦的方法和自适应学习的方法。

　　多种故障诊断方法的结合将成为故障诊断方法研究的热点。结合多种故障诊断方法能够充分获取知识和运用知识，提高了故障诊断系统的性能。主要研究方向有：（1）专家系统和神经网络的组合：神经网络实现了右半脑直觉思维的特点，而专家系统理论和方法实现的左半大脑的逻辑思维的特点，两个有很强的互补效应。因此，自学习和神经网络的并行计算的优势可以用来弥补专家系统和知识推理的无限递归的知识获取困难的不足。然而，不成熟，缺乏神经网络模型和算法的推理和演绎的能力已成为神经网络应用的最大不足。（2）通过结合自身学习特点的神经网络，并与当地的表征能力小波构成的小波神经网络具有自适应的分辨率和良好的容错能力。然而，小波基的选择和神经网络结构的决心也没有出现过，而且在未来需要进一步的研究。

　　（3）模糊方法和神经网络的组合可神经网络的框架下引入定性知识，构建具有语言描述的规则的网络，使得网络中的重量有明显的意义，并保留神经网络的学习机制。然而，如何选择合适的隶属度函数使模糊集的描述更符合系统的实际情况是未来研究的一个重大问题。（4）有迹象表明，需要进一步研究一体化的许多其他方法。如，模糊理论与故障树的结合、小波变换与模糊理论的结合、模糊理论与专家系统的结合等，这些多种方法相结合形成的混合故障诊断方法将是今后故障诊断方法研究的重点。

　　综上所述，发动机故障诊断技术是一项系统工程，汽车故障现象各种各样，具有不同的特征，但又具有很多相似之处，同一个故障现象可能是不同的故障原因所致，也可能是多个故障原因的综合作用，这给故障诊断技术带来了挑战。又由于各功能系统之间的相互联系，当某一结构系统的某一个部件出现故障时，由于功能系统之间的逻辑关系，不仅该结构系统会工作失常，可能会导致多个系统不能正常工作。就像汽油发动机不能启动故障的影响因素涉及到了电源与启动系统、发动机机械系统、电子控制系统及CAN总线系统，且往往是综合影响，这给故障诊断与分析排除带来了一定的困难。作者总结了多年来汽车故障排除的实际经验，结合专业理论知识，论述了如何分析汽车各功能系统之间的逻辑关系，总结提炼了汽车故障诊断的一般原则；根据控制器局域网技术在汽车上的应用情况和故障特点，总结提炼出了针对CAN总线系统的故障诊断策略；论文的最后分析了在掌握结构原理、工作环境、功能逻辑等的基础上，如何运用因果关系的分析方法。论述了在掌握各系统、各因素之间的逻辑关系的基础上，在检查和排除电气系统故障时，如何判断系统运行时电流如何流动、电压如何变化，以及数据信息有什么特征、如何传输。详细论述了如何根据不同故障现象，确认故障条件，根据各系统之间的功能逻辑关系，建立正确的故障诊断流程，最后依据故障诊断流程，规范地完成故障诊断分析与排除思路与方法。

　　我的毕业论文能够顺利完成，要特别感谢所有指导过我的老师，帮助过我的同事和同学。尤其是热情和我的导师的悉心指导。在写我的论文的过程中，老师倾注了大量的心血和汗水。不管是在论文的思路和材料，或论文的研究方法收集和书面文本定稿的选择，我得到老师的教导和无私的帮助，尤其是她广博的知识，深厚的学术素养，严谨的治学精神和一丝不苟的工作作风受益于我的余生，最后，我再次表示衷心的感谢和深深的感谢

　　[1]肖云魁.汽车故障诊断学.北京理工大学出版社2001

　　[2]蒋红枫，贾民平.汽车发动机故障诊断专家系统的研究.公路与汽运.2005（5）

　　[3]Gray M．Overcoming the limitations of the system architecture of on-board vehicle diagnostics．SAE Paper 940432

　　[4]Zaleski J V TECH1 interactive diagnostic tester．SAE Paper 86110[5]钟秉林，黄仁.机械故障诊断学.机械工业出版社，1997

　　[6]Donald S Sama．Diagnostic equipment development for military-vehicle application．SAE Paper 780029

　　[7]曾弥雅[日]．X汽车故障诊断系统的发展动向.国外汽车.1987(5)

　　[8]Arunk Sood．Engine fault analysis：part1-statistical methods．IEEE，1985，32(4)

　　[9]Mauer G F．A method for cylinder specific engine fault diagnostics．In：Proceeding of the 1st International Machinery Monitoring＆Diagnostics Conference，LasVegas，NV 1989

　　[10]Filljov，Marinov M，Ovcharov S．Engine diagnostic expert system．In：18th International Symposium on Automotive Technology and Automation，May～June 1988

　　[11]Venka V，KingC．A neural network methodology for process fault diagnosis．Journal of AICHE，1989，35(12)：1993～2002

　　[12]Merko K A，James J V，Dosdall J，et a1．Automotive control system diagnostics using neural nets for rapid pattern classification of large data sets．In：Proceedings 2nd Intarnational IEEE Joint Conference on Neural Networks，l989

　　[13]Marko K A，James J V，Feldkamp T M，et a1．Automotive diagnostics using trainable classifier：statistical testing and paradigm selection．In：Proc．of IJCNN，1990

　　[14]Gopinath O C．A neural net solution for diesel engine fault diagnosis：[MS Dissertation]．Sheffield：University of Sheffield,1994[15]Sharkey A J C，Sharkcy N E，Chandroth G O．Diverse neural net solutions to a fault diagnosis problem．Neural Computing＆Applications，1996(4)

　　[16]Sharkey A J C．On combining artificial neural nets．Connection Science．1996，8(3／4)[17]宋红英，纪威，李波.基于模糊神经网络的发动机故障诊断专家系统的研究.山东内燃机2004.5