原文传递
粒计算在电动汽车故障诊断中的应用
| 论文题名： | 粒计算在电动汽车故障诊断中的应用 |
| 关键词： | 粒计算;电动汽车;故障诊断;BP神经网络 |
| 摘要： | BP(Back Propagation)神经网络是目前应用最广泛的神经网络模型之一,它作为一种按误差逆向传播算法训练的多层前馈网络,能够学习和存贮大量的输入-输出之间映射关系,而不需要提前揭示描述输入-输出之间映射关系的数学方程,已广泛地应用于分类、聚类、预测等方面。然而,利用BP神经网络进行故障诊断时,虽然解决了知识获取与自学习的问题,但是当学习样本即故障数据比较庞大,或者学习样本空间的分布比较复杂时,存在神经网络训练时间长,收敛速度慢,甚至难以达到收敛的现象。 粒计算是一门快速发展的新学科,它融合了粗糙集、模糊集以及人工智能等多种理论的研究成果。在知识表达系统中,对于刻画不同属性的重要性以及简化知识表达空间等方面,粒计算理论具有较强的优势,但是在推广能力和容错能力方面,粒计算却稍显不足。因此,针对粒计算与神经网络的不足,本文以电动汽车故障为研究对象,结合应用粒计算与神经网络建立电动汽车故障诊断模型,以达到提高电动汽车故障诊断的效率和精度的目的。据此,本文主要开展了以下四个方面的研究: 1.调研国内外粒计算和故障诊断技术的研究与应用现状,分析粒计算在电动汽车故障诊断应用的可行性; 2.研究汽车故障数据量化处理及相容决策表的获取方法,制定故障决策表;同时研究了基于粒计算的知识约简算法,获取汽车故障征兆的最小属性集; 3.制定基于粒计算的电动汽车故障诊断算法步骤,并进行算法复杂度分析; 4.在MATLAB/Simulink环境下,分别建立基于最小属性集的电动汽车故障诊断仿真模型以及基于原始属性集的电动汽车故障诊断仿真模型;同时在不同载重工况下,对所建立的故障诊断仿真模型进行了实例仿真与分析。 |
| 作者： | 张晓雪 |
| 专业： | 控制工程 |
| 导师： | 孔慧芳 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
