原文传递
基于神经网络的混合动力汽车故障诊断研究
| 论文题名： | 基于神经网络的混合动力汽车故障诊断研究 |
| 关键词： | 混合动力汽车;汽车故障诊断;神经网络;信息融合 |
| 摘要： | 该文对国内外汽车故障诊断技术的发展、汽车故障的种类与特点、汽车故障的诊断方法、故障诊断系统的基本诊断过程和理论方法进行了深入的分析.前馈型BP网络具有极强的模式识别和分类能力.该文从应用角度分析了网络设计中的网络的层数、隐含层的神经元数、初始权值、学习速率、期望误差的选取问题,并提出了相应的改进方法.通过汽车故障诊断专家系统实例的应用与仿真,表明其方法的实用性以及诊断结果的准确性和可靠性.汽车故障诊断中可利用的信息很多,只有充分有效融合有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性.该文分析了单子神经网络进行故障诊断的特点,构架了集成神经网络的故障诊断模型,研究了集成神经网络的建模方法、组建原则和实现策略,并结合汽车发动机故障诊断实例进行了仿真分析,结果表明利用神经网络信息融合进行汽车故障诊断是一种有效的方法,能够获得对故障状态的最优估计与判决. |
| 作者： | 李俊松 |
| 专业： | 控制理论与控制工程 |
| 导师： | 宋仲康 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2003 |
| 正文语种： | 中文 |
检索历史
应用推荐
