基于径向基神经网络的发动机故障诊断技术全文替换

基于径向基神经网络的发动机故障诊断技术全文替换

论文摘要

发动机是汽车动力系统的重要组成部分,其正常运转对驾驶员及乘员安全起着至关重要的作用。基于传统BP神经网络发动机的故障诊断技术具有收敛速度慢、诊断精确度低等劣势,为了提高诊断准确度,本文利用径向基(RBF)神经网络模型对汽车发动机故障位置及类型进行诊断。通过元征X-431汽车故障诊断仪采集发动机在多种不同工况下故障试验的数据并做归一化处理,将试验数据作为神经网络的输入,将发动机正常运转和8种常见故障类型作为输出,建立RBF神经网络模型进行训练。对多种实测的故障数据进行测试和识别,验证所提出的算法的准确性,结果表明此方法对发动机故障诊断的准确率可以达到90%,为汽车发动机故障诊断提供参考。

论文目录

  • 0 引言
  • 1 RBF神经网络基本原理
  •   1.1 RBF神经网络结构模型
  •   1.2 RBF神经网络的学习算法
  • 2 故障数据采集
  •   2.1 故障试验
  •   2.2 故障数据选取
  • 3 基于RBF神经网络的发动机故障诊断
  •   3.1 函数归一化
  •   3.2 利用RBF神经网络的发动机故障诊断
  • 4 结论
  • 文章来源

    类型: 期刊论文

    作者: 谢春丽,王宇超,张博淋

    关键词: 径向基神经网络,发动机,故障诊断,诊断仪,数据采集

    来源: 森林工程 2019年06期

    年度: 2019

    分类: 农业科技,工程科技Ⅱ辑,信息科技

    专业: 汽车工业,自动化技术

    单位: 东北林业大学交通学院

    基金: 中央高校基本科研业务费专项资金项目(2572018BG02)

    分类号: TP183;TP277;U472

    DOI: 10.16270/j.cnki.slgc.2019.06.027

    页码: 61-66

    总页数: 6

    文件大小: 760K

    下载量: 244

    相关论文文献

    标签:;  ;  ;  ;  ;  

    基于径向基神经网络的发动机故障诊断技术全文替换
    下载Doc文档

    猜你喜欢