原文传递
基于粒子群神经网络的线控转向故障诊断研究
| 论文题名： | 基于粒子群神经网络的线控转向故障诊断研究 |
| 关键词： | 线控转向系统;神经网络;故障诊断;粒子群优化算法;小波包;特征向量 |
| 摘要： | 汽车线控转向系统与以往的传统转向系统不同,剔除了方向盘与转向轴的机械连接部分,摆脱了传统转向系统所固定传动比的限制,可以根据用户需求设置不同的转向传动比。线控转向系统利用电子元件来替代机械连接实现转向的,因此线控转向系统必须采用故障诊断技术保证汽车转向的安全性和可靠性。 线控转向系统主要是通过传感器获得信息来控制电机转向的,所以本文主要研究线控转向系统的传感器和执行器电机的故障诊断方法。对传感器的诊断,主要是通过建立模型,本文采用 Stateflow故障模块,通过图形化工具来实现在不同状态之间的转换,能准确确定故障的类型;而在电机的诊断方面,由于电机结构复杂和电机的故障类型较多,本文采用小波包来对电机信息进行特征提取,获取故障信息,然后将故障信息传给神经网络来判断故障。 在故障诊断算法上,本文在深入系统地研究粒子群优化算法理论以及算法参数、性能的基础上,提出了两种基于参数改进策略的粒子群优化算法,即对粒子速度与位置更新策略的改进算法和自适应调整惯性权重的改进算法,仿真结果表明:改进算法加快了基本算法的收敛速度,克服标准粒子群算法搜索后期陷入局部搜索的不利之处,提高了线控转向系统故障诊断性能,为非线性复杂系统的故障诊断效率和精度以及诊断自动化的提高提供一种通用的解决方案。 |
| 作者： | 付秀伟 |
| 专业： | 模式识别与智能系统 |
| 导师： | 孔峰 |
| 授予学位： | 硕士 |
| 授予学位单位： | 桂林电子科技大学 |
| 学位年度： | 2010 |
| 正文语种： | 中文 |
检索历史
应用推荐
