基于神經(jīng)網(wǎng)絡(luò)的電噴發(fā)動機故障診斷技術(shù)研究.pdf

1、本文主要研究基于人工神經(jīng)元網(wǎng)絡(luò)(ANN)模型的故障診斷技術(shù)在點燃式汽油機故障診斷中的可行性?；诒疚乃懻摰闹饕獑栴},僅僅針對人為設(shè)定的故障,展開討論基于徑向基函數(shù)(RBF)網(wǎng)絡(luò)的診斷方法的可行性。RBF神經(jīng)網(wǎng)絡(luò)由于良好的泛化能力、相對于多層前饋網(wǎng)絡(luò)簡單的網(wǎng)絡(luò)結(jié)構(gòu)以及簡單的計算迭代過程等特點,近來受到越來越多的關(guān)注。對于RBF分類器,特別是高斯函數(shù)作為徑向基函數(shù)的RBF網(wǎng)絡(luò),當對一個不在領(lǐng)域內(nèi)的模式進行評判時,RBF會將其判斷為未知模式

2、。另外,多層前饋神經(jīng)網(wǎng)絡(luò)通常采用的BP訓練算法比較慢,尤其是對于多數(shù)據(jù)問題。由于RBF可以直接從輸入數(shù)據(jù)確立隱含層參數(shù),利用線性優(yōu)化方法來訓練網(wǎng)絡(luò),所以相對于多層前饋神經(jīng)網(wǎng)絡(luò)可以較快的完成訓練過程。
　　 排放廢氣和發(fā)動機失火故障之間的關(guān)系是非線性的,而且很難建立精確的數(shù)學模型。本文建立神經(jīng)網(wǎng)絡(luò)模型所用到的數(shù)據(jù)均來自東風EQ6102發(fā)動機,建好之后的模型用于該發(fā)動機上的失火故障診斷。從本文的研究可以看出,ANN在汽車故障診斷技術(shù)