基于尾气分析的汽车发动机故障诊断模型设计的文献综述
1前言
随着现代社会汽车的发展，汽车故障诊断作为对于汽车能否安全运行，是否需要进行维修的依据，有利于提高对含有安全性隐患车辆的排查效率，延长车辆寿命，保障行车安全。其目的在于在不解体情况下对汽车各部位进行检测、分析，从而对故障部位进行有目的性的维修或者对含有隐患部位的预防与保养。此举能极大延长汽车部件设备的寿命，确保行车时的安全性、可靠性与经济性。
汽车故障诊断的常用方法有经验观察法、专门设备诊断法、自诊断法、人工智能诊断法。人工智能诊断能对无法进行建立数学模型计算的情况进行诊断，使切实符合实际情况地进行检测诊断。现如今的智能诊断方法又主要包含专家系统法、基于神经网络法、模糊推理法等。神经网络是一种基于生物神经系统的数学模型，非常适合用于故障诊断，其自学、自组织能力强，还同时能进行联想及创新，其中信息的处理由神经元间相互作用来实现。[1~2]
汽车的发展同时带来的还有汽车尾气排放的加剧，随着道路上汽车数量的增加，尾气排放已成为最主要的大气污染来源。我国许多城市大气环境污染已经非常严重。例如北京和上海，前几年由于PM2.5导致的雾霾致使人们或多或少出现了身体健康上问题，过量吸入PM2.5将会产生严重的危害，雾霾对道路交通行驶条件也产生了阻碍。无论如何，大气污染已成为了一个亟待解决的问题。
汽车尾气主要由CO、HC、NOx以及有害颗粒物组成，CO是由发动机内低温以及缺氧从而不完全燃烧产生，过量吸入会缺氧致使窒息；HC是燃料燃烧不均匀或者不完全燃烧所产生，高浓度的HC会对人体产生危害；NOx主要是指NO及少量NO2，由发动机燃烧产生，NO会氧化成有剧毒的NO2。[3]
本课题是对汽车尾气成分在发动机故障诊断中的应用进行研究，対尾气成分及形成机理进行分析，通过对发动机状况与尾气成分关系的分析及由尾气数据对故障的分析与排除的研究，设计并训练以汽车尾气排放数据来识别发动机故障诊断的模型。
2正文
2.1研究背景
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
