当汽车电控发动机工作不正常，而自诊断系统却没有故障码输出时，尤其需要依靠操作人员的检查、判断，以确定故障的性质和产生故障的部位。笔者现将汽车电控发动机常见故障总结为以下：
1.1发动机不能发动
（1）故障现象：打开点火开关，将点火开关拨到起动位置，发动机发动不着。
（2）故障产生的可能原因：
A.起动系统故障使发动机不能转动或转动太慢：①蓄电池存电不足、电极桩柱夹松动或电极桩柱氧化严重；②电路总保险丝断；③点火开关故障；④起动机故障；⑤起动线路断路或线路连接器接触不良。
B.点火系统故障：①点火线圈工作不良，造成高压火花弱或没有高压火花；②点火器故障；③点火时间不正确。
C.燃油喷射系统故障：①油箱内没有燃油；②燃油泵不工作或泵油压力过低；③燃油管泄漏变形；④断路继电器断开；⑤燃油压力调节器工作不良；⑥燃油滤清器过脏。
D.进气系统故障：①怠速控制阀或其控制线路故障；②怠速控制发阀空气管破裂或接头漏气；③空气流量计故障。
E.ECU故障。
（3）诊断排除方法和步骤。
①打起动档，起动机和发动机均不能转动，应按起动系故障进行检查。首先，检查蓄电池存电情况和极柱连接和接触情况；如果蓄电池正常时，检查起动线路、保险丝及点火开关；②踏下油门到中等开度位置，再打起动机。如果此时，发动机能够发动，则说明故障为怠速控制阀及其线路故障或者是进气管漏气，如果踏下油门到中等开度位置时，仍然发动不着，应进行下一步骤的检查；③进行外观检查。检查进气管路有无漏气之处；检查各软管及其连接处是否完好；检查曲轴箱通风装置软管有无漏气或破裂；④检查高压火花。如果高压火花不正常，应检查高压线、点火线圈、分电器和电子点火器；⑤检查点火顺序是否正确；⑥检查供油系统的供油情况。在确认油箱有泪的情况下，检查燃油管中的供油压力；⑦检查点火正时及各缸的点火顺序；⑧检查装在空气流量计上的燃油泵开关的工作情况；⑨检查各缸火花塞的工作情况；⑩检查点火正时。如点火正时不正确，应进一步检查点火正时的控制系统；B11检查ECU的供电情况和工作情况，确定是否是ECU的故障。
1.2发动机失速故障
（1）故障现象：发动机工作时，转速忽高忽低，这种现象即为发动机失速现象，其故障被称为发动机失速故障。
（2）故障原因：造成发动机转速忽高忽低的原因有燃油喷盘系统的故障，也有点火控制系统的故障，还有进气系统的故障。常见的故障原因有以下几点：
①进气系统存在漏气处。如各软管及连接处漏气，PVC阀漏气，EGR系统漏气，机油尺插口处漏气，机油滤清器盖漏气等；②空气滤清器滤芯过脏；③空气流量计工作不正常；④燃油喷射系统供油压力不稳。如油管变形，系统线路连接接触不良，燃油泵泵油压力不足，燃油压力调节器工作不稳定，燃油滤清器过脏，断路继电器触点抖动等；⑤点火正时不正确；⑥冷起动喷油器和温度正时开关工作不良；⑦ECU故障。
（3）诊断排除方法和步骤：①检查进气管路有无漏气现象。检查各软管及连接接头处、PVC阀管子、EGR系统、机油尺插口、机油滤清器盖；②检查供油压力。检查油箱中燃油是否过少，检查燃油管内的压力是否不稳。具体方法与检查发动机不能发动时相同；③检查空气滤清器滤芯是否过脏；④检查点火提前角；⑤检查各缸火花塞工作情况；⑥检查冷起动喷油器和温度一时间控制开关的工作情况；⑦检查空气流量计的输出电压及与发动机工况的变化关系；⑧检查喷油器的喷油情况；⑨检查ECU的工作情况。
1.3发动机怠速不良故障
（1）故障现象：发动机在中等以上转速运行时工作正常，当转速为怠速或接近怠速时，出现怠速不稳甚至熄火的现象，即为怠速不良故障。
（2）故障原因：造成怠速不良通常是由于进气系统和喷油控制系统的原因，个别时候也会因发动机机械故障造成怠速不良。常见引起怠速不良的原因有：①进气系统有漏气处；②冷起动喷油器和温度一时间控制开关工作不正常；③喷油系统供油压力不正常；④喷油器故障引起喷射雾化质量差；⑤ECU故障。
（3）诊断排除方法和步骤：①检查进气管、PVC阀软管、机油尺处是否漏气；②检查空气滤清器滤芯是否过脏；③检查冷起动喷油器和温度一时间控制开关是否正常；④检查燃油系统压力是否过低；⑤检查喷油器喷射情况；⑥必要时检查汽缸压力和气门间隙；⑦检查ECU。
1.4混合气稀故障
（1）故障现象：发动机转速不稳，动力明显不足，且有回火现象，则可认为发动机存在混合气过稀的故障。
（2）故障原因：①进气系统存在漏气现象；②冷起动喷油器和温度定时开关有故障；③系统燃油压力过低；④喷油器发卡或堵塞；⑤空气流量计故障；⑥水温传感器故障；⑦节气门位置传感器故障；⑧ECU故障。
（3）诊断排除方法和步骤：①检查进气系统有无漏气现象；②检查冷起动喷油器的定时开关；③检查喷油器有无堵塞、发卡故障；④检查空气流量计工作情况；⑤检查水温传感器；⑥检查节气门位置传感器工作情况；⑦检查ECU各端子输入、输出信号。
1.5加速不良故障
（1）故障现象：发动机在油门由低速缓慢加速到高速时，工作完全正常，但在急加速时，发动机转速变化缓慢，有时有喘气或回火现象。
（2）故障原因：①进气系统存在漏气故障；②系统供油压力过低；③点火电压过低；④点火时间过迟；⑤汽缸压力过低或气门间隙过小；⑥节气门位置传感器工作不正常；⑦ECU故障。
（3）诊断排除方法和步骤：①检查进气系统有无漏气现象；②检查高压火花情况；③检查点火提前角是否正常；④检查系统供油压力；⑤检查节气门传感器工作是否正常；⑥检查ECU各端子信号是否正常；⑦必要时检查气门间隙和汽缸工作压力。
2电控发动机故障诊断与排除流程图
2.1发动机不能起动故障诊断与排除流程图
电控发动机不能转动或转动很慢，其主要原因是蓄电池或起动系统有故障，可检查蓄电池和起动系统进行排除：如果曲轴转动正常而发动机不能起动，其主要原因是燃油喷射系统的传感器、执行器、电控单元及其线路有故障，可按图1所示程序进行排除：
2.2加速不良或熄火故障诊断与排除流程图
2.3发动机怠速不良或熄火
怠速不良或熄火的主要原因是怠速控制系统发生故障，可按图3所示程序进行排除：
3检测与维修时的注意事项
3.1电控发动机维修要点
（1）控汽油喷射系统对汽油的清洁度要求很高，应使用牌号和质量完全符合要求的去铅汽油。燃油滤清器要定期更换，以防止燃油中的异物堵塞喷油器。
（2）严格按照要求使用电源。安装蓄电池时极性必须正确，否则电子元件会烧毁。
（3）尽量避免电脑受到剧烈振动，并要防止水分浸入电控系统各零（部）件内。
（4）在蓄电池亏电导致发动机无法正常起动时，应及时给蓄电池充电或更换新的蓄电池，而尽量不要使用跨接电路的方法来起动发动机。
（5）不可用水冲洗微机控制单元和其他电子装置。发动机存放地点环境的湿度不宜太大，在夏季尽量不用水冲刷地板。
（6）防止微机系统受到剧烈的机械冲击震动。
（7）发动机要远离能发射电磁场的电气设备，避免空间强电磁场对微机系统的干扰。
3.2电控燃油系统检查要点
（1）打开点火开关，而发动机未起动时，警告灯应点亮。发动机正常起动后，警告灯应熄灭，如果不熄灭，则表示电脑自诊断系统检测到故障或异常现象。此时不能将蓄电池从电路中断开，以防微机中存储的故障代码及有关信息丢失。应根据警告灯闪烁的次数或输出的故障编码，判断电子汽油喷射系统的故障，并用专用设备读取故障码。
（2）对供油系统进行检修操作前，应先拆除蓄电池的搭铁线。
（3）电动汽油泵除受点火开关控制外，还受空气流量计内的开关控制。点火开关接通后，只有在发动机处于正常工作或起动状态，且空气流量计检测到空气流量信号或微机检测到转速和点火信号时，汽油泵才连续工作。它的出油压力比一般的供油系高，损坏后，只能使用原型号的电动汽油泵进行更换。
（4）检修时，不论发动机是否运转，只要点火开关接通，决不可断开任何正在工作的电气装置。因为这些装置往往步、有一定的电感，当突然切断其工作电流时，会在电路中产生很高的瞬时电压，会造成电子器件的严重损坏。
（5）如需要进行电弧焊接，应断开电控单元的供电电源线。
（6）对微机及与之连接的传感器、执行器进行检修时，操作人员须预先消除身上的静电，一定要带上接铁金属带，将其一端缠在手腕上，另一端夹到车身上，避免静电造成微机系统的损坏。
参考文献
［1］汪贵平.汽车发动机电控汽油喷射系统故障诊断与排除［M］.北京：人民交通出版社，2005.
［2］齐志鹏.汽车传感器和执行器的原理与检修［M］.北京：人民邮电出版社,2006.
［3］张宪，舒华.汽车电器原器件与零部件的检则与维修［M］.北京：国防工业出版社,2005.
［4］姚国平.汽车电子控制技术［M］.北京：人民交通出版社,2004.
［5］肖云魁.汽车故障诊断学［M］.北京：北京理工大学出版社，2004.
关键词：特征提取故障诊断神经网络互信息熵
随着科学技术的发展，现代设备的结构日趋复杂，其故障类型越来越多，反映故障的状态、特征也相应增加。在实际故障诊断过程中，为了使诊断准确可靠，总要采集尽可能多的样本，以获得足够的故障信息。但样本太多，会占用大量的存储空间和计算时间，太多的特征输入也会引起训练过程耗时费工，甚至妨碍训练网络的收敛，最终影响分类精度。因此要从样本中提取对诊断故障贡献大的有用信息。这一工作就是特征提取。
特征提取就是利用已有特征参数构造一个较低维数的特征空间，将原始特征中蕴含的有用信息映射到少数几个特征上，忽略多余的不相干信息。从数学意义上讲，就是对一个n维向量X＝[x1，x2，…，xn]T进行降维，变换为低维向量Y＝[y1，y2，…，ym]T，m<n。其中Y确实含有向量X的主要特性。
特征提取的方法有很多，常用的方法主要有欧式距离法、概率距离法、统计直方图法、散度准则法等。本文针对现有方法的局限性，研究基于BP神经网络的特征提取方法和基于互信息熵的特征提取方法。
1基于BP神经网络的特征提取方法
要从N个特征中挑选出对诊断贡献较大的n个特征参数(n<N)，通常以特征参数X对状态Y变化的灵敏度ε作为评价特征参数的度量：
εij=|(аYi)/(аXj)|
采用三层BP网络，输入层n个单元对应n个特征参数，输出层m个单元对应m种模式分类，取中间隐层单元数为q，用WBiq表示输入层单元i与隐层单元q之间的连接权；用wOqj表示隐层单元q与输出层单元j之间的连接权，则隐层第q单元的输出Oq，为：
输出层第j个单元输出yj为：
式中j=1，2，…，m；εj为阈值。
则特征参数xi对模式类别yj的灵敏度为：
代入（1）式，则特征参数Xi的灵敏度εij和特征参数Xk的灵敏度εkj之差可整理为：
大量的试验和研究表明，当网络收敛后有：a1≈a2≈…≈aq。
从上式可以看出，如果：
则必有：εij＞εki
即特征参数Xi对第j类故障的分类能力比特征参数Xk强。
将特征参数X和分类模式分类结果y组成的样本集作为BP网络的学习样本，对网络进行训练。设Wiq和Wkq分别为与特征参数Xi和Xk对应输入单元与隐层单元q之间的连接权系数，记：
│Wεi│=│Wi1│+|Wi2|+…+|Wiq|
│Wεk│=│Wk1│+|Wk2|+…+|Wkq|
如果│Wεi││Wεk│，则可以认为Xi的特征灵敏度εi比特征参数Xk的灵敏度εk大。这样可知特征参数Xi的分类能力比特征参数Xk的分类能力强。
2基于互信息熵的特征提取方法
由信息特征可知，当某特征获得最大互信息熵，该特征就可获得最大识别熵增量和最小误识别概率，因而具有最优特性。特征提取过程就是在由给定的n个特征集X二{XI~X2，…，zn)所构成的初始特征集合情况下，寻找一个具有最大互信息熵的集合：X＝{X1，X2，…，Xk}，k<n。由于最大互信息熵由系统熵和后验熵决定，而系统熵是一定的，后验熵越小，则互信息熵越大，分类效果越好。因此有效的特征提取就是在X给定后，寻找一个具有最大互信息熵或后验熵的集合Y。即已知该域R上的初始特征集合X＝[x1，x2，…，xn]T，寻找一个新的集合Y＝[y1，y2，…，yk]T,k<n，使互信息熵最大，i＝1，2，…，k。
在一定的初始特征集合下，识别样本的后验熵是一定的。在实现特征优化过程中，随着特征的删除，会有信息的损失，使得后验熵趋于增加。因此后验熵增值大小反应了删除特征向量引起的信息损失的情况。当删除不同特征及删除特征数逐步递增时，会对应有不同的后验熵。按后验熵由小到大排列，可获得对应的特征删除序列。其过程可描述为：
(1)初始化：设原始特征集合F＝{N个特征}，令初始优化特征集合S＝[K个特征，K=N]；
(2)计算后验熵；
(3)实现递减：S＝[K-1个特征]，并计算相应的后验熵；
(4)选择优化特征集合：以多个递减特征集合所对应的后验熵为依据，选择具有最小后验熵增的特征向量集合为优化特征集合S[N-1个优化特征]；
(5)返回(3)，重新计算，直到满足分类要求，选择具有最小后验熵的优化特征集合；
(6)输出优化特征集合。
3特征提取实例
在热电厂的发电机组工作中，发电机组主轴经常遇到如喘振、流体激励等故障。这些故障不仅会引起生产效率下降，而且会对机器造成严重危害，影响机组的安全运行。传统的诊断方法是在主轴轴承处加传感器进行振动测试，得到其频谱图；然后在频域内分析，根据基于能量分布的故障诊断理论将振动信号功率谱密度按一定的规则进行量化，利用神经网络等工具进行故障诊断。但是喘振、流体激励等故障在频域内通常表现为连续分布的有色噪声带，在频域内分析难以区分，难以进行频谱特征提取，全息谱分析方法也不甚有效。传统方法增加了系统的开销，诊断效果不理想。如果在时域内采用信息优化方法做预处理，再用传统的诊断方法进行诊断，可以收到很好的效果。
本文采用时域内故障振动信号的方差、峭度、偏斜度等参数，分别利用BP神经网络和后验熵分析对其进行特征提取，研究如何从中找出最能反映故障的特征。
表1为主轴喘振、流体激励故障时振动信号在垂直和水平方向的方差、峭度、偏斜度等6个参数的数据。
表1主轴故障的特征参数
序号喘振流体激励
均方差峭度偏斜度均方差峭度偏斜度
垂直水平垂直水平垂直水平垂直水平垂直水平垂直水平
17.509.21-0.02-0.00-0.22-0.1040.244.10.22-0.42-0.11-0.08
226.115.2-0.75-0.92-0.31-0.2170.120.53.821.780.000.16
313.89.21-0.81-0.72-0.290.1912.414.2-0.38-0.620.030.01
46.28.5-0.01-0.04-0.22-0.238.1533.50.15-0.140.070.10
536.111.2-0.61-0.01-0.230.077.2115.2-0.41-0.510.010.01
611.59.71-0.81-0.93-0.31-0.1825.730.2-0.370.19-0.11-0.06
733.128.2-0.79-0.85-0.07-0.4571.225.33.811.850.010.16
837.226.8-0.81-0.87-0.06-0.418.1135.2-0.81-0.130.010.11
设原始特征集合F＝{x1，x2，x3，x4，x5，x6}，其中x1、x2分别为垂直、水平方向的均方差，x3、x4分别为垂直和水平方向的峭度，x5、x6，分别为垂直和水平方向的偏斜度。
①基于BP神经网络的特征提取方法：采用表1中的数据作为BP神经网络的输入，编制程序对神经网络进行训练，训练算法采用标准BP算法和Levenberg-Mar-quardt法两种方法来训练BP网络，从而计算特征参数的特征灵敏度，确定出对结果影响最大的特征参数。
喘振：
│W1│={1.58741.655325.532025.176574.472440.4295}
流体激励：
│W2│={1.58741.655325.532025.176574.472440.4295}
从结果可以看出：偏斜度对这两种故障最为敏感，反映了低频自激故障的主要特征。
②基于互信息熵的特征提取方法：原始特征集合F＝{x1，x2，x3，x4，x5，x6}对应表1中的特征参数。在特征参数优化过程中，随着特征的删除，后验熵变化较大。当删除的特征中包含有x5、x6时，后验熵明显降低；如仅保留x5、x6时，后验熵最小。说明偏斜度对这两种故障最为敏感。