基于虚拟仪器的汽车自动变速器故障诊断仪的制作方法

本实用新型涉及汽车故障检测技术领域，具体为一种基于虚拟仪器的汽车自动变速器故障诊断。

背景技术：

汽车电控系统的结构和控制算法日趋复杂，控制范围日益扩大，控制精度日益提高，向综合控制和智能控制的方向发展。电子控制液力自动变速器性能不断完善，结构进一步复杂，相应的故障诊断难度也日益增大，利用经验往往无法准确定位故障源，常常会明显地制约产品维修服务质量的提高，过高的维修费用和过长的维修服务周期往往会严重损害企业的商业形象，传统的听、摸、看诊断方法以及经常的大拆大卸开箱解体诊断己远不能适应要求。

尽管目前在计算机的帮助下己经能够对自动控制系统的部分故障做出自我诊断，但是这种自诊断技术大多尚只适用于对电子元件本身的检测，故障诊断的范围极其有限，不能诊断自动变速器内部机械故障和液压系统方面的故障。为了确保自动变速器故障诊断的准确性，通常采用的检测试验方法是在电脑诊断仪或自诊断的基础上，配合使用失速试验、时滞试验、油压试验、道路试验等方法，这些试验方法的基本共性在于能够比较方便地实现不拆检的故障信息提取，初步确定故障发生的部位。一般说来，某一类的试验只能反映出自动变速器某个方面的问题，某一种试验方法只能将故障判定在某个范围之内，确切地指明故障源并非易事，而且这些方法仍然在较大的程度上需要依赖分析者的经验和专业知识。因此，为了不断提高汽车自动变速器维修的效率和质量、降低依靠经验和专业知识的程度，将综合电子、数学、物理、计算机、人工智能等科学精华的现代状态检测与故障诊断技术应用于汽车自动变速器的故障诊断中，并研究在不解体的情况下有效的检测诊断故障的方法是非常有意义的。

技术实现要素：

为了克服现有技术提及的缺点，本实用新型提供一种基于虚拟仪器的汽车自动变速器故障诊断。

本实用新型解决其技术问题所采用技术方案为：基于虚拟仪器的汽车自动变速器故障诊断仪，包括计算机、数据采集卡、电磁阀信号传输线和传感器组，所述传感器组连接检测汽车发动机自动变速器的工况，并将检测数据通过数据线连接传输至所述数据采集卡上，所述电磁阀信号传输线一端用于连接汽车换挡电池阀，另一端连接所述数据采集卡；所述数据采集卡连接所述计算机，并将采集的数据传输至所述计算机，所述计算机内设有对采集的数据进行处理的LabVIEW平台搭建的BP神经网络设备诊断模块，所述BP神经网络设备诊断模块根据采集的数据采用BP算法从中抽取出所述数据的特征规律，搭建出神经网络模型，从而识别出对应于所述数据的特征规律的故障。

由于自动变速器在运行的时候，可以从相关传感器和执行器的信号和工作情况得知变速器的运行工况，因为这些传感器和执行器的信号相关关系包含了很多的信息，足以反映变速器的运行状况。正常工作的自动变速器，其换档主要是按照节气门开度和车速两参数进行的，一定的油门开度和相应的车速对应某一档位。当发生故障时，自动变速器将不能按照原先设定的程序，正确地根据油门和车速等输入信号及时进行档位切换，致使自动变速器的档位实际变换时刻和发动机转速、油门、车速、主轴(输入轴)转速等信号、换挡电磁阀等执行器输出信号存在其它不确定的对应关系，而这些不确定的对应关系又反映于不同的故障类别与上述参数的特征规律中。根据这种特点，可以用神经网络的方法来从中抽取出各自的特征规律，得出数学模型，从而识别出对应于这种特征规律的故障。

所述传感器组包括发动机转速传感器、节气门开度传感器、冷却液温度传感器、车速传感器和主轴传感器。

所述电磁阀信号传输线数量为三根，分别连接汽车换挡电池阀A、汽车换挡电池阀B和汽车换挡电池阀C。

本实用新型的有益效果是：

1、虚拟仪器技术在汽车检测方面的应用非常方便和实用。工作情况来看，无论是信号的采集还是数据的实时记录，都能从搭建的数据采集系统的轻松实现。

2、BP神经网络模型对设定的自动变速器故障有很好的识别能力，并且它在LabVIEW中的应用方便，轻松实现实时数据采集、数据诊断分析、结果显示等功能。

3、基于LabVIEW平台搭建的神经网络诊断系统，能自动进行数据采集并分析判断，在一定程度上实现了故障诊断的智能化。

本实用新型设计合理，借助虚拟仪器和人工BP神经网络技术可以实现在汽车自动变速器不解体的情况下较为准确地检测故障，提高汽车自动变速器维修的效率和质量，降低依靠经验和专业知识的程度。

附图说明

图1是本实用新型的方案原理框图；

图2是本实用新型的整体结构框图。

具体实施方式

下面结合附图对本实用新型进行进一步的说明。

如图1所示，基于虚拟仪器的汽车自动变速器故障诊断仪，包括计算机、数据采集卡、电磁阀信号传输线和传感器组，所述传感器组连接检测汽车发动机自动变速器的工况，并将检测数据通过数据线连接传输至所述数据采集卡上，所述电磁阀信号传输线一端用于连接汽车换挡电池阀，另一端连接所述数据采集卡；所述数据采集卡连接所述计算机，并将采集的数据传输至所述计算机，所述计算机内设有处理所述采集的数据的LabVIEW平台搭建的BP神经网络设备诊断模块，所述BP神经网络设备诊断模块根据采集的数据采用BP算法从中抽取出所述数据的特征规律，搭建出神经网络模型，从而识别出对应于所述数据的特征规律的故障。

如图2所示，由于自动变速器在运行的时候，可以从相关传感器和执行器的信号和工作情况得知变速器的运行工况，因为这些传感器和执行器的信号相关关系包含了很多的信息，足以反映变速器的运行状况。正常工作的自动变速器，其换档主要是按照节气门开度和车速两参数进行的，一定的油门开度和相应的车速对应某一档位。当发生故障时，自动变速器将不能按照原先设定的程序，正确地根据油门和车速等输入信号及时进行档位切换，致使自动变速器的档位实际变换时刻和发动机转速、油门、车速、主轴(输入轴)转速等信号、换挡电磁阀等执行器输出信号存在其它不确定的对应关系，而这些不确定的对应关系又反映于不同的故障类别与上述参数的特征规律中。根据这种特点，可以用神经网络的方法来从中抽取出各自的特征规律，得出数学模型，从而识别出对应于这种特征规律的故障。所述神经网络模型的搭建步骤为：

第一步:在所述数据采集系统的程序框图基础上，添加一个前置顺序结构框，在所述前置顺序结构框里面添加Matlab节点，调用Matlab的神经网络工具箱中的函数，再在节点内部输入在前面设计好的神经网络代码，在该神经网络代码加入前面经检测的网络的初始权值和阀值；这样编程的目的是让系统在每次运行的时候就先训练好网络，然后进入数据采集与实时分析的状态，可随时响应故障分析的要求。

第二步:在所述数据采集系统的程序框图后面添加一个顺序框图，框图里面添加选择结构框图，用于决定是否开始分析数据；在结构框图里面进行以下设计，功能是显示神经网络的输出，并对结果作归类，显示于界面上。对于神经网络结果的输出，每次有3个数据，都在。和1之间的，按期望输出[1 0 0][0 1 0][0 0 1」划分为3类，即无故障、故障1、故障2。把神经网络输出值大于0.5的视作为1，小于0.5的视作为0。比如输出结果为[0.8123 0 0.1021]，则算作是模式[1 0 0]，属于无故障类别，这种判断是按照神经网络的输出特点而提出的。若输出不符合上述3类的话，就得出“无法判断”的结论。

第三步:在最后一个顺序框图里面加入记录程序，用以记录神经网络的输出结果。界面上用一个按钮控制其记录与否，但是，按要求设计为:要进行诊断分析以后这个按钮才起作用。这样可避免记录一些无用的数据。

至此，整个故障诊断系统就搭建起来了。

最后，根据自动变速器控制原理，在详细分析了变速器故障规律和特点之后，选择了能映其规律的特征参数作为神经网络的输入向量:发动机转速信号、节气门开度信号、速信号、主轴转速信号、冷却液温度信号、换挡电磁阀的通断信号等。理论上，选择尽可能多的相关参数，对分析越有帮助，因为越多的特征向量，越容易判别出具备这些特征的故障类型和工作情况。

所述传感器组包括发动机转速传感器、节气门开度传感器、冷却液温度传感器、车速传感器和主轴传感器。

所述电磁阀信号传输线数量为三根，分别连接汽车换挡电池阀A、汽车换挡电池阀B和汽车换挡电池阀C。

以上所述者，仅为本实用新型的较佳实施例而已，当不能以此限定本实用新型实施的范围，即大凡依本实用新型申请专利范围及实用新型说明内容所作的简单的等效变化与修饰，皆仍属本实用新型专利涵盖的范围内。