基于神經(jīng)網(wǎng)絡(luò)的汽車故障診斷的研究與應(yīng)用.pdf

1、汽車是一個結(jié)構(gòu)相當(dāng)復(fù)雜的機械系統(tǒng)，其由數(shù)萬個零部件組成，汽車的一些基本技術(shù)性能都直接或間接與這些零部件的性能密切聯(lián)系。因此對汽車各個部件進行綜合性能的檢測與故障診斷對汽車的正常運行將是十分重要，特別是在對發(fā)動機等總成在不解體的情況下，能夠及時準確地對汽車當(dāng)前技術(shù)狀況作出準確地判斷，這將無疑具有十分重大的意義。
　　傳統(tǒng)的故障診斷專家系統(tǒng)，是以人類專家的水平去解決領(lǐng)域中的困難問題，是一種基于符號推理的智能診斷模型。其能夠在系統(tǒng)不確定

2、、不完備的領(lǐng)域知識下進行推理，而且能對問題求解過程作出解釋。但是這種傳統(tǒng)的故障診斷方式存在對知識獲取難，知識臺階窄以及推理能力弱等局限性。
　　而人工神經(jīng)網(wǎng)絡(luò)則是由大量的神經(jīng)元相互連接而成的復(fù)雜的網(wǎng)絡(luò)，其具有很強的非線性適應(yīng)性信息處理能力，網(wǎng)絡(luò)的知識可通過訓(xùn)練獲得，具有學(xué)習(xí)、歸納、記憶等特點；也具有較強的容錯能力及魯棒性等長處。
　　本課題對人工神經(jīng)網(wǎng)絡(luò)的基本原理和誤差反向傳播的學(xué)習(xí)算法進行研究，特別對目前在故障診斷方面十分

3、流行的BP神經(jīng)網(wǎng)絡(luò)的算法和流程以及算法的改進進行了研究分析。在此基礎(chǔ)上利用發(fā)動機的排放的四種不同的尾氣作為故障診斷參數(shù),建立故障樣本；同時選取不同的網(wǎng)絡(luò)隱層數(shù)建立了不同的網(wǎng)絡(luò)結(jié)構(gòu)，并利用其對網(wǎng)絡(luò)進行學(xué)習(xí)訓(xùn)練，最后又通過訓(xùn)練好的網(wǎng)絡(luò)對實際的故障進行了診斷，驗證了利用神經(jīng)網(wǎng)絡(luò)不僅正確而且能夠快速的對汽車的故障進行診斷。
　　對于如何利用神經(jīng)網(wǎng)絡(luò)的優(yōu)勢和專家技術(shù)相結(jié)合來實現(xiàn)對智能診斷技術(shù)的應(yīng)用也進行了研究和設(shè)計，并設(shè)計了診斷流程、邏輯推