宫唤春 徐胜云 薛冰 吴冬冬

（燕京理工学院）

内燃机失火现象会造成内燃机动力性下降、燃油经济性恶化及排气污染加重等后果。由于内燃机在使用过程中随着技术状况的下降，失火现象出现概率增大，因此对在用内燃机的失火故障及时诊断并排除对内燃机的节能和减少排气污染有着十分重要的意义。文章以时代超人发动机为例，设置了不同失火故障模式，分别测试了内燃机有失火故障工况和无故障工况排气中HC，CO2，O2浓度及对应的内燃机工况参数，以试验数据为基础，采用粗糙集进行了属性简化[1]，建立了基于径向基函数神经网络[2]的内燃机失火故障与排气中CO2，O2及输出转矩之间关系的诊断模型，将训练好的模型应用于内燃机失火故障的诊断，结果表明，此模型能够正确诊断内燃机失火故障，同时简化了神经网络的输入。

1 基于粗糙集的内燃机失火故障诊断方法

内燃机废气排放成分体积分数变化与内燃机失火故障之间的关系模型研究比较成熟，主要采用了专家系统、神经网络及模糊数学[3]等理论方法，但是这些研究缺乏对测试样本集进行系统的分析，大容量测试样本中很可能存在冗余的条件属性和不相容的样本数据，这些对神经网络的精度及泛化能力都会产生影响，会出现网络训练难以收敛和训练精度较低等问题。粗糙集由Pawlak Z于1982年提出，它建立在分类机制基础上，将分类理解为特定空间上的等价关系……