原文传递
基于神经网络的发动机点火故障诊断研究
| 论文题名： | 基于神经网络的发动机点火故障诊断研究 |
| 关键词： | 神经网络;发动机点火;故障诊断;Accord轿车 |
| 摘要： | 随着科技的不断进步和人民生活水平的不断提高，汽车越来越普遍的走进我们的生活，同样带来的问题还有汽车的故障发生率越来越高。但是我们对汽车故障诊断的专业人才和所匹配的专业知识却达不到目前汽车界要求，这就需要我们找到一个高效、准确的方法对汽车故障进行诊断和研究。 发动机是汽车的心脏，汽车的大部分故障是因为发动机引起的，而发动机的故障有45％-50%是由发动机点火系统故障所导致。本文在查阅大量文献的基础上，对Accord轿车中的F23A1车型进行了点火系统故障研究分析，以次级点火电压波形为研究基础，确定了该车型的四种常见故障和引起这些故障的具体参数。 因为BP神经网络的隐含层节点数是不确定的，而且它的多少还决定着网络的收敛速度和误差。本文对所得出的四种结构模型进行仿真分析，得到最佳网络模型结构为4-10-2，然后将该模型结构应用于故障诊断，得到训练误差，该结构的训练步数为131，均方误差为0.000834918。然后用GA对BP神经网络的权值和阀值进行优化，得到训练误差，该结构的训练步数为71，均方误差为0.000173742。最后用PSO优化BP神经网络，得到训练误差，该结构的训练步数为35，其均方误差为0.000155071。 通过对比发现,与BP神经网络和GA优化过的BP神经网络相比，经过PSO算法优化之后的BP神经网络训练时间更短，误差更小，应用于点火系统故障诊断有很好的准确度。 |
| 作者： | 王超 |
| 专业： | 车辆工程 |
| 导师： | 王铁 |
| 授予学位： | 硕士 |
| 授予学位单位： | 沈阳理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
