论文部分内容阅读
【摘 要】随着现代人们生活水平的不断提升，对于出行便利的需求越来越高，且随着我国公共基础建设的不断完善，汽车成为人们出行的重要工具，在城市交通中的所占比重也逐渐提升。控制系统作为汽车的重要组成部分，对人们驾驶汽车的稳定性以及用户体验具有重要影响，因此，不断完善汽车控制系统结构设计，降低故障发生率，对于改善用户体验具有重要影响。
【关键词】汽车；控制系统；结构设计；故障检修
控制系统是汽车的重要组成部分，对于汽车的形式以及使用性能具有重要影响，其是指汽车中装载的各种电子元件组成的系统，各式各样的电子元件组成了汽车中的发动系统、照明系统、空调系统等。因此，文章主要针对汽车控制系统结构设计及常见故障检修方向展开分析，报道如下。
一、汽车控制系统结构设计分析
汽车中使用的电子元件品种繁多，且受到使用性能、方式等方面的影响，各电子元件之间的差异也较大，但是为了方便控制系统结构设计，在设计过程中，是通过将各种电子元件作为独立概念进行设计，而不是通过以仪器的实际外形进行设计，这样能够将这些电子元件作为控制系统中的独立仪器，从而制作控制系统单元结构，有助于设计师阐述控制系统结构设计的方法与目的[1]。
现代科学技术的更新推动了汽车使用性能的提升，并且现阶段中汽车装载的电子元件的技术含量不断提高，控制电路、智能芯片等产品的研发使得汽车电器系统的智能性得到进一步发展，尤其是在控制电路方面，其具有强大的功能以及使用性能，通过与各电子元件的连接，实现对各种电子元件的控制[2]。典型的控制系统结构分为分布式、集中式以及近似全分布式这三种结构。分布式结构的优点在于通过单个电子元件对多个电子元件的控制，从而优化控制系统的运行性能；但是其缺点在于电子元件之间可造成相互影响，导致控制系统容易出现故障；集中式结构的优点在于控制器能够实现对所有电子元件的控制，缺点也同样明显，即一旦控制器出现问题，可造成控制系统瘫痪，严重影响汽车使用性能；近似全分布式结构的优点在于通过多个控制器实现对各电子元件的控制，但是这种结构的造价高，使得汽车生产成本增加。这些结构各有各的优缺点，在实际生产中受到了广泛的应用，能够提升控制系统的使用性能。
二、基于神经网络的汽车控制系统常见故障以及诊断分析
随着现代智能计算的发展，提升了汽车控制系统的性能，这同时也是现代汽车的发展趋势[3]。但是由于目前市面中汽车品种繁多，许多控制系统故障检测系统无法兼顾全局，因此，在日常生活中，要加强汽车的养护和检修，避免出现意外事故。
（一）常见的控制系统故障以及故障原因
在长时间的使用过程中，电子元件免不了发生老化、故障等问题。笔者根据多年工作经验分析，常见的汽车电子元件故障有：①电子元件老化，这主要是由于线路老化发生的线路断裂，对于控制系统的性能造成严重影响；②电子元件损坏，这主要是由于电子元件过热或高温天气造成的原件电阻增加，进而引起短路、断路；③线路问题，这主要是由于运行过程中汽车出现较大幅度的位移、颠簸造成的线路松动等现象，可能导致短路、短路或是电子元件磨损。
（二）神经网络下汽车控制系统故障诊断
神经网络的研发是从生物神经系统中获得的灵感，通过模仿生物神经元的组织结构，进而展现出现与人脑相似的性质，其能够通过症状搜集或状态收集从而处理复杂的非线性映射關系。神经网络之所以具有强大的功能，主要是由于其具有较强的学习能力、分布式信息储存能力、独立计算能力等，能够解决复杂的问题。
由于现代实际应用的控制系统故障诊断方法有很多，本文主要针对几种常见的诊断方法进行分析：①神经网络诊断系统。该方法主要通过应用神经网络故障诊断系统，通过输入相关的数据或故障症状，从而推算出故障的原因，进而进行故障诊断。②神经网络残差检验法：该方法主要利用神经网络模拟系统的常规属性，在系统中输入一些特定的参数，并与控制系统的实际值进行比对，从而得到残差，这样能够实现故障诊断[4]。在此过程中，可以利用数学模拟系统计算差值，能够提升计算的准确性。③神经网络评价残差法：这种方法与上述方法不同，上述方法是获得残差，而该方法是评价残差，利用神经网络对残差进行分析，从而获得控制系统故障问题。④神经网络诊断分析：利用神经网络诊断系统进行故障分析，其主要是利用神经网络的模拟系统进行控制系统相关参数以及控制器等方面的非线性关系，从控制系统的输出情况分析，以此来了解控制系统的故障情况。⑤神经网络自适应误差补充检测法：其主要是利用了基于神经网络中的非线性观测器，能够迅速判断故障发生未知，进而提升故障检出率[5]。⑥模糊神经网络故障诊断：其主要是利用模糊理论以及神经网络相结合的方式，这种方法是通过普通神经网络中加入模糊概念，在输出时加入模糊层，通过语言规划网络，使得神经网络中的参数具有意义，并且由于神经网络具有较好的学习能力，比一般神经网络的诊断准确率更高。
结束语
随着现代科学技术的不断提升，汽车控制系统不断向智能化发展，因此，要加强控制系统故障诊断系统建设，保障用户的使用体验。
作者简介：张骞（1985.11-），男，河南新乡人，硕士研究生，助教，主要研究方向为汽车检测与诊断技术，汽车电子控制，新能源汽车系统等。
参考文献：
[1]夏天，王新晴，梁升等.带自适应遗传算子的粒子群神经网络及其应用[J].解放军理工大学学报（自然科学版），2013，12（1）：70-74.
[2]张晨，韩月秋，陶然等.基于神经网络预测器的单传感器故障检测方法[J].北京理工大学学报，2015，19（2）：220-223.
[3]李练兵，张秀云，王志华等.故障树和BAM神经网络在光伏并网故障诊断中的应用[J].电工技术学报，2015，30（2）：248-254.
[4]付秀伟，孔峰，付莉等.基于粒子群神经网络线控转向故障诊断的研究[J].传感器与微系统，2013，29（9）：39-41.
【关键词】汽车；控制系统；结构设计；故障检修
控制系统是汽车的重要组成部分，对于汽车的形式以及使用性能具有重要影响，其是指汽车中装载的各种电子元件组成的系统，各式各样的电子元件组成了汽车中的发动系统、照明系统、空调系统等。因此，文章主要针对汽车控制系统结构设计及常见故障检修方向展开分析，报道如下。
一、汽车控制系统结构设计分析
汽车中使用的电子元件品种繁多，且受到使用性能、方式等方面的影响，各电子元件之间的差异也较大，但是为了方便控制系统结构设计，在设计过程中，是通过将各种电子元件作为独立概念进行设计，而不是通过以仪器的实际外形进行设计，这样能够将这些电子元件作为控制系统中的独立仪器，从而制作控制系统单元结构，有助于设计师阐述控制系统结构设计的方法与目的[1]。
现代科学技术的更新推动了汽车使用性能的提升，并且现阶段中汽车装载的电子元件的技术含量不断提高，控制电路、智能芯片等产品的研发使得汽车电器系统的智能性得到进一步发展，尤其是在控制电路方面，其具有强大的功能以及使用性能，通过与各电子元件的连接，实现对各种电子元件的控制[2]。典型的控制系统结构分为分布式、集中式以及近似全分布式这三种结构。分布式结构的优点在于通过单个电子元件对多个电子元件的控制，从而优化控制系统的运行性能；但是其缺点在于电子元件之间可造成相互影响，导致控制系统容易出现故障；集中式结构的优点在于控制器能够实现对所有电子元件的控制，缺点也同样明显，即一旦控制器出现问题，可造成控制系统瘫痪，严重影响汽车使用性能；近似全分布式结构的优点在于通过多个控制器实现对各电子元件的控制，但是这种结构的造价高，使得汽车生产成本增加。这些结构各有各的优缺点，在实际生产中受到了广泛的应用，能够提升控制系统的使用性能。
二、基于神经网络的汽车控制系统常见故障以及诊断分析
随着现代智能计算的发展，提升了汽车控制系统的性能，这同时也是现代汽车的发展趋势[3]。但是由于目前市面中汽车品种繁多，许多控制系统故障检测系统无法兼顾全局，因此，在日常生活中，要加强汽车的养护和检修，避免出现意外事故。
（一）常见的控制系统故障以及故障原因
在长时间的使用过程中，电子元件免不了发生老化、故障等问题。笔者根据多年工作经验分析，常见的汽车电子元件故障有：①电子元件老化，这主要是由于线路老化发生的线路断裂，对于控制系统的性能造成严重影响；②电子元件损坏，这主要是由于电子元件过热或高温天气造成的原件电阻增加，进而引起短路、断路；③线路问题，这主要是由于运行过程中汽车出现较大幅度的位移、颠簸造成的线路松动等现象，可能导致短路、短路或是电子元件磨损。
（二）神经网络下汽车控制系统故障诊断
神经网络的研发是从生物神经系统中获得的灵感，通过模仿生物神经元的组织结构，进而展现出现与人脑相似的性质，其能够通过症状搜集或状态收集从而处理复杂的非线性映射關系。神经网络之所以具有强大的功能，主要是由于其具有较强的学习能力、分布式信息储存能力、独立计算能力等，能够解决复杂的问题。
由于现代实际应用的控制系统故障诊断方法有很多，本文主要针对几种常见的诊断方法进行分析：①神经网络诊断系统。该方法主要通过应用神经网络故障诊断系统，通过输入相关的数据或故障症状，从而推算出故障的原因，进而进行故障诊断。②神经网络残差检验法：该方法主要利用神经网络模拟系统的常规属性，在系统中输入一些特定的参数，并与控制系统的实际值进行比对，从而得到残差，这样能够实现故障诊断[4]。在此过程中，可以利用数学模拟系统计算差值，能够提升计算的准确性。③神经网络评价残差法：这种方法与上述方法不同，上述方法是获得残差，而该方法是评价残差，利用神经网络对残差进行分析，从而获得控制系统故障问题。④神经网络诊断分析：利用神经网络诊断系统进行故障分析，其主要是利用神经网络的模拟系统进行控制系统相关参数以及控制器等方面的非线性关系，从控制系统的输出情况分析，以此来了解控制系统的故障情况。⑤神经网络自适应误差补充检测法：其主要是利用了基于神经网络中的非线性观测器，能够迅速判断故障发生未知，进而提升故障检出率[5]。⑥模糊神经网络故障诊断：其主要是利用模糊理论以及神经网络相结合的方式，这种方法是通过普通神经网络中加入模糊概念，在输出时加入模糊层，通过语言规划网络，使得神经网络中的参数具有意义，并且由于神经网络具有较好的学习能力，比一般神经网络的诊断准确率更高。
结束语
随着现代科学技术的不断提升，汽车控制系统不断向智能化发展，因此，要加强控制系统故障诊断系统建设，保障用户的使用体验。
作者简介：张骞（1985.11-），男，河南新乡人，硕士研究生，助教，主要研究方向为汽车检测与诊断技术，汽车电子控制，新能源汽车系统等。
参考文献：
[1]夏天，王新晴，梁升等.带自适应遗传算子的粒子群神经网络及其应用[J].解放军理工大学学报（自然科学版），2013，12（1）：70-74.
[2]张晨，韩月秋，陶然等.基于神经网络预测器的单传感器故障检测方法[J].北京理工大学学报，2015，19（2）：220-223.
[3]李练兵，张秀云，王志华等.故障树和BAM神经网络在光伏并网故障诊断中的应用[J].电工技术学报，2015，30（2）：248-254.
[4]付秀伟，孔峰，付莉等.基于粒子群神经网络线控转向故障诊断的研究[J].传感器与微系统，2013，29（9）：39-41.