基于小波神经网络的电控汽油机故障诊断

《基于小波神经网络的电控汽油机故障诊断》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、基于小波神经网络的电控汽油机故障诊断【摘要】BP神经网络和小波分析在各个科研领域中已经广泛应用，在此基础上，出现了小波函数与神经网络结合构成小波神经网络，代替BP神经网络用于故障诊断。改进后的小波神经网络具有更强的逼近能力，更快的网络学习收敛速度和能有效避免局部最小值问题。木文主要介绍了小波神经网络的基本原理以及其电控汽汕机故障诊断中的应用。关键词：小波神经网络电控发动机故障诊断Faultdiagnosisofelectroniccontrolledgasolineenginebasedonwaveletneuralnetwork[Abstract]BPneuralnetwork

2、andwaveletanalysishasbeenwidelyusedinmanyfieldsofscientificresearch,onthebasisofthis,appearedthecombinationofwaveletfunctionandneuralnetworknamedwaveletneuralnetwork,insteadofBPneuralnetworkforfaultdiagnosis.Theimprovedwaveletneuralnetworkhasstrongerapproximationcapability,fasterconvergencesp

3、eedandcaneffectivelyavoidtheproblemoflocalminimum.Thispapermainlyintroducestheapplicationaboutbasicprinciplesofwaveletneuralnetworkinfaultdiagnosisforelectroniccontrolledgasolineengine・Keywords:waveletneuralnetworkelectroniccontrolledgasolineenginefaultdiagnosis0引言汽车电控汽油机故障诊断是通过研究故障征兆（特征向量）Z间

4、的关系來判断设备故障的。但是汽车电控发动机运行状况十分复杂，其故障呈现多部位、多现象、非线性等特点，因此故障诊断较为闲难。因此要求我们构造一个能够像现场诊断专家-•样具有智能、能对■故障实例进行学习、从大量的样本中提取故障特征并从中获得判断及预测能力的系统。于是神经网络被引用过来，其屮用得最多的是基于Sigmoid输出函数的BP网络，但是同时也存在着不可避免的缺陷。研究发现，小波分析的一些性能恰好可以弥补BP网络的一些缺陷。因此，将小波分析与神经网络结合起来构成小波神经网络并用于汽午电控汽油机故障诊断。1小波神经网络1.1小波理论小波变换（WaveletTransform）的概念

5、是1984年法国地球物理学家J.Morlet在分析处理地球物理勘探资料时提出来的小波变换的含义是：把一称为基木小波的函数0（t）做位移厂后，再在不同尺度。下与待分析信号X（f）做内积:a>0（1）上式中：a>0是尺度因子，T反映位移，其值可正可负。小波分析方式是-•种窗口大小（即窗11血积）固定但其形状可改变，时间窗和频率窗都可改变的时频局域化分析方法,即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和鮫低的频率分辨率，所以被誉为数学显微镜。止是这种特性，使小波变换具有对信号的自适应性。1.2BP神经网络人们常把按误差逆传播算法训练的多层前馈网络

6、，称为BP网络。BP算法的基本思想是：学习过程由信号的正向传播与误差的逆向传播2个过程组成。正向传播时，模式作用于输入层，经隐层处理后，传向输出层。若输出层未能得到期望的输出，则转入误差的逆向传播阶段，将输出误差按某种形式，通过隐层向输入层逐层返回，并分摊给各层的所有单元,从而获得各层单元的参考谋差（谋差信号），以作为修改各单元权值的依据。这种信号正向传播与误差逆向传播的各层权矩阵的修改过程，也就是网络的学习（或称训练）过程，周1佃复始地进行。此过程一直进行到网络输出的误差逐渐减少到可接受的程度或达到设定的学习次数为止。BP神经网络，正是通过这样不断进行的正向传播和反向传播的计算

7、过程，最终使得网络输出层的输出值与期望值趋于一致。1.3小波神经网络小波神经网络是一种以BP神经网络拓扑结构为基础，把小波基函数作为隐含层结点的传递函数，对看作是以小波函数为基底的一种新型函数联接神经网络。它以小波空间作为模式识别的特征空间，信号前向传播的同时将课莠反向传播的神经网络。这种网络在处理复杂非线性函数关系等问题上表现出优于传统神经网络的收敛速度、容错能力、预报数据，具有广泛的应用前景，图1为小波神经网络的拓扑结构。

8、S-—T-中间隐含层：—(P(―SaJaJ图1小波神