基于神经网络的汽车发动机故障诊断模型设计的文献综述
1前言
随着我国国民经济的不断增长、购买力的增强导致人们对于汽车的需求量也越来越大，毫不夸张的说汽车正慢慢地走向每家每户［1］。那么面对如此庞大的汽车保有量，随之而来的就是各种各样的维修售后问题，其中最为显著的莫过于对发动机的维修了。
然而，随着发动机种类的越来越多，以往的那些诊断方法不仅耗时长而且可能还不能找到真正的问题所在。如此一来，通过对尾气检测来应对发动机的故障不失为一种行之有效的方法，所以建立一个与之相关的神经网络模型设计是很有必要的。
2正文
2.1研究背景
在当今社会汽车已经成为了不可缺少的一种重要交通工具。然而当我们尽情享受现代汽车工业发展给我们带来的种种便利之时，我们也无法回避这么一个现实，那就是随着汽车行驶里程的增加和使用时间的延续，其本身的技术状况将不断地恶化。因此，我们不仅要加快研制更多的性能优良的汽车，也要不断地提升自身的修理水平来维持汽车的技术状况。
目前随着汽车发动机故障诊断技术的不断更新，通过汽车尾气的检测来诊断发动机的故障正越来越多的被提及。在汽车所排放的尾气中，包含有上千种的化学物质。在汽车发动机中，如果燃料的燃烧不完全，往往会产生一氧化碳、二氧化碳、水。在汽车尾气中，存在着多种有毒有害物质，比如碳氢化合物、氮氧化合物、一氧化碳等等。通过对尾气成分进行细致的分析，我们就能够较为全面的了解发动机的工作状况。在发动机的尾气分析中，主要的参数是一氧化碳、二氧化碳、氧气、空燃比等。如果发动机出现故障，尾气中这些成分将会出现异常状况［2］。因此，检测汽车尾气的成分，并对其进行分析和判断，能够实现对发动机故障的判断，进而根据实际情况采取相应的措施，以便排除汽车的故障。
2.2国外研究现状
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。
