神经网络在汽车故障诊断系统中的应用

《神经网络在汽车故障诊断系统中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、神经网络在汽车故障诊断系统中的应用【摘要】随着经济的发展，汽车技术也得到了很大的发展。各种先进技术的应用使汽车故障产生的原因存在多样性、综合性和复朵性，为了提高修理人员诊断故障、排除故障的能力，将神经网络应用到汽车故障诊断中，完成对故障诊断的功能，从而克服传统诊断方法获取信息难、费吋费力、诊断不准确等缺点。【关键词】故障诊断，神经网络，自动变速器NeuralNetworkUsedinAutomobileFaultDiagnosisSystemAbstract:Witheconomicdevelopment,AutomotiveTechnologyhasals

2、obeengreat.Thecausesofautomotivefaultexistentdiversity,comprehensiveandcomplexity.Inordertoimprovetheabilityoftherepairpersonalfaultdiagnosisandtroubleshooting.Wewillapplytheneuralnetworkstofaultdiagnosisofvehiclejtcannotonlycompletethefunctionoffaultdiagnosis,bulalsoovercomethedis

3、advantagesoftraditionaldiagnosismethodssuchasobtainingtheknowledgedifficultyjakingalotoftimeanddiagnosingimprecisely.Keywords:faultdiagnosis,neuralnetwork,automatictransmission1弓言随着现代汽车工业的发展，人们对汽车的安全性、操稳性、经济性、环保性等性能要求的越来越高，汽车产品的功能和结构口趋复杂，许多的机械系统已经被电子控制系统収代，汽车已经是一个典型的机电一体化产品，这些部件的大量

4、使用，大大增强了汽车故障诊断的难度，一些故障很难用传统的方法进行判断。为了提高维修效率，必须采用更好更加高效的诊断方法。现在我们所指的神经网络一般认为是从1943年美国芝加哥大学的生理学家W.S.McCulloch和W.A.Pitts提出的M-P神经元模型开始，到IT前为止经过了60多年的发展历史，人工神经网络理论与技术应用也取得了长足的发展，由于神经网络具有大规模的并行，分布式存储和处理、白组织、自适应和自主学习等优越性能，成为人工智能研究的重要工具。针对这种特点，将神经网络引入到汽车故障诊断系统，利用BP神经网络建立汽车发动机的故障诊断模型，更好更快的分

5、析出汽车发动机的故障，更快更好的排除故障。2.汽车故障诊断技术现代汽车中，技术含量越来越高，单纯依靠经验很难做到在不解体的情况下迅速、准确的判断故障位置。到20世纪90年代才逐渐出现了一个广泛认同的标准，OBD-II标准，该标准由美国汽车工程学会提出，冃前得到了世界不同汽车生产厂家的认同。现代的故障诊断工具还没有脱离“故障代码读収工具”的范围，因此不仅仅故障诊断工具本身需要改进，而且开发故障诊断支援系统也成为亟待解决的问题。随着汽车电子技术的应用和发展，传统的诊断方法和诊断设备在精确度和使用的方便性方面，都不能适应汽车技术的发展和用户的需要。为了更加提高维修

6、质量，国内外的汽车故障诊断技术正朝着智能诊断的方向发展，采用模式识别方法、专家系统法等新的诊断方法，由计算机分析处理被诊断对象所提供的信息，从而做出智能化的诊断结论。2.神经网络在汽车故障诊断应用屮的基本原理3」神经网络的基本原理神经网络是对人类大脑的一种物理结构上的模拟，采用计算机仿真的方法，从物理结构上模拟人脑，以使系统具有人脑的某些智能。它由大量简单元件相互连接而形成的一个复杂的网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系的实现，英中目前应用最为广泛的模型是多层前馈神经网络模型，由输入层节点、输出层节点和隐藏层节点构成，其中隐含层可以是一

7、层或多层，相邻层采用全互连结构，其BP网络结构图如下：图1BP神经网络结构3.2BP神经网络算法的基本原理BP神经网络的算法的基本原理是梯度最速下降法，其中心思想是调整权值使网络总误差最小，也就是采用梯度搜索技术，使网络的实际输出值与期望输出值的误差均方值为最小。BP网络的学习过程包含了正向传播和反向传播两个阶段，正向传播过程中，输入信息从输入层经隐藏层逐层处理,并传向输出层，每一层神经元的状态只影响下一层神经元的状态。如果输出层不能得到期望的输出值，则转入反向传播，将误差信号沿原来的连接通道返回，通过修改各层神经元权值，使误差信号最小。为了能够运用梯度算法

8、，首先将神经元的激励函数改造成可微的S型函数。推导此