基于尾气分析技术的汽车发动机故障诊断模型设计开题报告

1. 研究目的与意义

随着现代汽车产业的强劲发展，汽车的性能不断提高，结构越来越复杂，自动化水平也越来越高，而传统的故障诊断技术已经不能满足汽车故障诊断的要求，因此在此背景下，研究汽车的智能故障诊断技术，提高诊断效率和诊断的准确性具有工程实际意义。

在此目的和意义上，本课题以基于尾气分析技术的前提下，对尾气成分和发动机故障之间的关系进行分析，从而研究故障诊断智能技术在汽车故障诊断中的应用，并对此进行汽车故障诊断的模型设计。

尾气分析不仅是检查排放污染物治理效果的唯一途径，而且还是对发动机工作状况及性能判定的重要手段。

2. 国内外研究现状分析

20世纪60年代发达国家就相继研制开发了各种独立于车辆的车外诊断设备。

1972年德国大众汽车公司推出了国民牌车外诊断装置。

随后，美国和日本也开发出了类似装置，但因当时技术水平有限，这些车外诊断装置的诊断效果并不理想。

3. 研究的基本内容与计划

内容：1、研究尾气在发动机故障诊断中应用，以及与发动机各部分技术状况关系；2、研究神经网络的基本理论以及BP神经网络在故障识别中的应用；3、用MATLAB软件设计模型实现尾气分析数据导入和故障的识别。

计划：第1-2周：阅读相关文献，完成开题报告；第3-4周：查阅资料熟悉汽车尾气成分以及和各故障之间的关系；第5-6周：学习人工神经网络的相关知识；第7-8周：了解BP神经网络在故障诊断中的应用；第9-10周：收集汽车尾气相关数据并分析对应故障类型；第11-12周：利用数据对BP网络进行训练学习；第13-14周：利用Matlab软件设计故障诊断模型；第15周：对论文整体进行最后修改和完善；第16周：完成答辩。

4. 研究创新点

该系统模型的设计，能够在汽车不解体的条件下快速有效的通过对尾气中各种成分的分析，进而判断出各种相关的汽车发动机故障类型。