基于神经网络技术的汽车发动机故障诊断研究

《基于神经网络技术的汽车发动机故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于神经网络技术的汽车发动机故障诊断研究摘要近年来国内外的机械故障诊断技术发展迅速，研究的手段和方法日新月异，其应用己遍及各个工业领域。由于汽车发动机结构复杂，故障特征及原因普遍存在针对性和常见性，对其实旋故障诊断比较困难，尽管人们对其开展了不少研究并取得了一些研究成果，但总的诊断水平并不有效，这与其在生产生活中广泛应用的现状极不相符。因此，对汽车发动机开展故障诊断研究具有十分重要的意义。本文研究工作就是在这个技术背景下展开的。本文主要研究汽车发动机故障诊断的方法。在分析了现有故障诊断方法的基础上。提出了一套利用神经元网络进行故障诊

2、断的方法。在分析了发动机常见故障和经验解决方法之后，结合人工神经元网络模型和学习模型，设计了适合本研究的故障诊断系统。本系统采用三层神经网络结构，4个输入结点，中间层为10个，输出层与故障模型相对应，为12个。在算法方面，经过多次实验，提出了一种高效的改进型FBP算法。使用梯度下降法迭代法不断修正权值，网络训练迭代次数为10万次，学习精度要求为取系统总误差E=O．001．系统诊断成功率高打91．6％，使系统最终达到了设计目的。关键字：神经元网络，FBP算法，汽车发动机，故障诊断STUDYONTHEDIAGNOSTICFAILUREO

3、FMoToRVEHICLEWHICHISBASEDONNERVEMILLIONNETWORKABSTRUCTInrecentyears，andthemechanicaldiagnostictechnologyisdevelopingrapidly,witllthemeansandmethodsforthestudy,itsapplicationhasspreadallindustrialareas．Thecomplexstructureofmotorvehicle，breakdowncharacteristicsandcausesw

4、idespreadandcommonsexualorientation，faultdiagnosismoredifficulttoimplement，despiteitsmanyresearchundertakenandachievedsomeresults，theoveralllevelisnoteffectivediagnosis，anditswideapplicationintheproductionlifeofthestatuSquoisinconsistent．Therefore，theenginefailurefordi

5、agnosticstudiesisofgreatsignificance．Theresearchiscarriedoutinthetechnicalbackground．Themajorresearchenginefailurediagnosticmethods．Failurediagnosticmethodsintheanalysisoftheexistingbasis．Madeuseofanetworkfailurediagnosticnervemillion．Analysisofthecommonenginefailuresa

6、ndexperiencessolution，acombinationofartificialneuralnetworkmodelsandlearningmodelsdesignedforthestudyoffailurediagnosissystem．Neuralnetworksuseathree—tierstructureofthesystem，fourofnodes，inthemiddlelayerto10，andtheoutputlayercorrespondingtothefailuremodelsfor12．Intheal

7、gorithm，aftermanyexperiments，presentedhighlyeffectivemodifiedFBPalgorithms．Francehasincorporatedtheuseofthegradientdropamendmentstothecurrentlaw,thenmnberofnetworktrainingforcomputation100，000times，andprecisionrequiredforthesystemtothetotalerrorE20．001．Systemdiagnostic

8、successratehit91．6％．toreachafinalsystemdesign．KeyWords：Nervemillionnetwork，FBPAlgorithm，Engine，FailurediagnosticII基于神