傳統的汽車引擎故障檢測，對於某些機件異常現象所產生的噪音及聲訊無法判別，例如：一汽缸不點火、風扇皮帶鬆緊度不正常、汽門間隙不正常等狀況，這些故障狀況亦不能經由電子控制單元(ECU)來傳遞故障訊息，此時便需要由熟練的老技師來做經驗判斷。
今天社會由於資訊的發達，電腦科技進步一日千里，如果能利用聲訊儀器監測方式，透過電腦軟體來建構一套完備而有效率的故障診斷系統，並可迅速且確實的協助維修員找到故障的原因，則可大幅提高汽車故障檢測的精確度。這在預防性的保養工作就會有很大的幫助，並使引擎的故障狀況能正確有效地被確認，大幅提高了引擎的檢整效率。
本論文中，將研究以聲訊收錄的方式，利用數位錄影機結合高感度麥克風的錄音設備錄下引擎在運轉時所發出的故障聲音，再利用頻譜分析儀進行取樣及結合電腦軟體加以處理分析，並萃取聲訊的特徵頻率向量，輸入「倒傳遞類神經網路」進行網路的訓練，使其能夠辨識引擎故障的種類。這種故障診斷方式可以取代需要由熟練老技師來做故障診斷的工作，這對於提昇新進技術維修員的訓練和修護能力而言，將大有助益。

Abstract

The traditional fault inspection of the motorcar engine cannot detect the noise and sound signal resulted from the abnormalities of some mechanical parts. For instance, the cylinder misfires; the looseness of the fan belt is irregular; the valve clearance is out of order…. and so on. When the fault message cannot be delivered by the ECU of the computer, the skilled senior engineers are required at this moment to make the experiential judgments.
In the present society, due to the development of information, the computer technology makes progress by leaps and bounds. If we can make use of the monitoring method by the Acoustic signal instrument, build up a set of complete and efficient fault diagnosis system through the computer software and apply speedy and accurate way to assist the repairmen in relocating the causes for such faults, the accuracy of inspection can be greatly enhanced with a huge help in the preventive maintenance work. In that case, the fault conditions of the engine can be validated precisely
and effectively, so the overhaul efficiency of the engine can be upgraded to a large extent.
In this article, the procedures of sound signal recording will be brought forward by linking the digital camera with such a recording equipment as the high-precision microphone to make records of the fault sounds made when the engine runs. It uses the frequency analyzer to conduct the sampling and combine the computer software to further process and analyze the same. Finally the character parameters will be obtained. By applying the mathematical exercise of “Back-Propagation Neural Network” to undertake the training and detection of the sounds for the purpose of identifying the kinds of the faults. It replaces the errors caused from the experiential judgments made by the expert senior engineers. In terms of the training and maintenance ability of the newly recruited technical repairmen, their capability for exact and reasonable recognition of the fault types is substantially promoted.
Keywords：Acoustic Signal，Back Propagation Neural Network

目 錄


摘要………………………………………………………………………i
Abstract……………………………………………………………… ii
目錄…………………………………………………………………… iv
圖目錄…………………………………………………………………vii
表目錄………………………………………………………………… xi
第一章 緒論…………………………………………………………… 1
1.1 研究背景及動機……………………………………………… 1
1.2 研究方法……………………………………………………… 2
1.3 文獻回顧……………………………………………………… 2
1.4 論文架構……………………………………………………… 4
第二章 類神經網路簡介……………………………………………… 5
2.1 類神經網路…………………………………………………… 5
2.2 倒傳遞類神經網路的架構及理論………………………….....
7
2.2.1 倒傳遞類神經網路的架構………………………………8
2.2.2 倒傳遞類神經網路的學習方法……………………… 11
2.2.3 倒傳遞類神經網路的學習過程……………………… 15
2.2.4 過度訓練及交叉驗證法的關係與做法……………… 17
2.2.5 類神經網路輸入資料的正規化……………………… 18
第三章 引擎聲音訊號處理……………………………………………19
3.1 引擎聲訊的取樣…………………………………………… 19
3.2 引擎聲訊的框化………………………………………………21
3.3 視窗效應………………………………………………………22
3.4 離散傅立葉轉換………………………………………………23
3.5 快速傅立葉轉換………………………………………………25
3.6 頻譜正規化……………………………………………………25
3.7 引擎聲訊特徵頻率的選取……………………………………27
第四章 實驗方法與結果…………………………………………… 28
4.1 實驗設備………………………………………………………28
4.2 引擎聲訊的錄製…………………………………………… 32
4.3 引擎聲訊的頻譜分析…………………………………………35
4.4 頻譜正規化……………………………………………………37
4.5 特徵頻率的選取………………………………………………40
4.6 倒傳遞類神經網路訓練………………………………………40
4.7 測試最佳的網路結構及訓練參數……………………………44
4.8訓練資料的處理方法對辨識的影響………………………… 51
第五章 分析與結果……………………………………………………57
5.1 最佳的網路訓練參數………………………………………… 57
5.1.1 最佳的輸入層單元數………………………………… 57
5.1.2 最佳的隱藏層單元數………………………………… 59
5.1.3 最佳的學習速率 …………………………………… 60
5.2 最佳的特徵頻率萃…………………………………………… 61
5.2.1 最佳的特徵頻率向量萃取方法……………………… 61
5.2.2 不同的轉速對辨識率的影響………………………… 63
第六章 結論與未來研究方向……………………………………… 64
6.1 結論………………………………………………………… 84
6.2 未來研究方向……………………………………………… 65
參考文獻……………………………………………………………… 66
附錄………………………………………………………………… … 68

參考文獻

【1】吳啟明，“汽油噴射引擎”，全國工商出版社圖書，民國80年。
【2】 林慶銘譯，“最新汽車控制技術”，全華科技圖書股份有限公司，民國87年。
【3】K. A. et al Marko, “Automotive control system diagnosis using Neural Nets for rapid pattern classification of large data sets”,IJCNN-89-San.,II, pp.13-16. 1989.
【4】K. et al. Arai, “Application of Neural Computation to Sound Analysis for Valve Diagnois”,IJCNN-91,I, pp.177-182. 1991.
【5】David Lowe and Krzyszt of Zapart, “Validation of Neural
Networks In Automotive Engine Calibration ” Pro.IEE Int Conf.
Artifical Neural Network, No.440, pp.221-226,July.1997.
【6】John F. Hemdal,Robert N. Baker,Pranab Saha, “Effects of
environmental variables on truck noise emission and noise propagation to test microphones”,Acoustical Society of America, pp.1150-1160, Oct. 1984.
【7】P.J. Shayler, M. Goodman , T. Ma, “The exploitation of neural networks in automotive engine management systems”,Engineering Applications of Artificial Intelligence, pp.147-157, 2000.
【8】陳建源，“類神經網路應用於感應機聲訊之辨識”，國立中心大學電機工程研究所碩士論文，民國85年。
【9】莊凱斌，“以倒傳遞類神經網路進行聲音辨識之監視系統”，
國立臺灣科技大學電機工程研究所碩士論文，民國90年。
【10】邱垂霖，“以聲音訊號為特徵輸入之類神經診斷系統”，國立臺北科技大學機電整合研究所碩士論文，民國90年。
【11】王進德，“類神經網路與模糊控制理論入門”， 全華圖書公司，民國90年。
【12】葉怡成，“類神經網路模式應用與實作”，儒林出版社，民國82年。
【13】Alan V. Oppenheim,Alan S. Willsky, “Signals and Systems”, 1997.
【14】蒙以正，“以MATLAB透視DSP”，基峰資訊股份有限公司，民國88年。
【15】吳容慶，“頻譜分析技術的改進及在電機監視的應用”，國立
中山大學電機工程研究所博士論文，民國90年。
【16】賴柏洲編著，“信號與線性系統”，全華圖書公司，民國89年。
【17】William A. Struzinski and Edward D. Lowe, “A performance
comparison of four noise background normalization schemes
proposed for signal detection systems”, J. Acoustic. Soc. Am.
Vol.76,No.6,December 1984.
【18】趙志勇，“汽車學(一)”，全華圖書公司，民國86年。
【19】汪國禎，“汽車學(I)”，復文書局，民國89年。
【20】A. Swami, Copyright (c) 1993-1995, United Signals & Systems, Inc. and The MathWorks, Inc.Jan. 20, 1995.