原文传递
基于遗传神经网络的汽车故障率预测
| 论文题名： | 基于遗传神经网络的汽车故障率预测 |
| 关键词： | 遗传神经网络;汽车故障率预测;整体性能;汽车维修 |
| 摘要： | 汽车在使用过程中总会有故障出现，对于汽车生产商来说，了解到汽车在一定行驶条件下的故障率，可以减少相应的时间成本和库存成本。 有鉴于此，本文首先通过对汽车整体性能的分析，找出可能引起整体性能指标降低而导致汽车故障的因素：汽车不同零件的易损度不同，零件本身质量差异，汽车维修频率，汽车消耗品种类，汽车行驶环境，驾驶因素，行驶距离等，开拓了汽车故障模型建模的新途径；并对每个不同的故障因素影响导致汽车故障的权重进行了分析评估，得出汽车故障率的控制模型。 其次，本文采用了GA-BP神经网络处理问题。在描述了传统BP网络的基本模型的基础上，介绍了用于BP网络中的常见的几种改进算法：附加动量和学习率自适应调整的改进BP算法(BPX)、Levenberg-Marquardt优化方法(LM)、Bayes规范化BP算法。并利用遗传算法对神经网络的权值和阈值进行优化，在MATLAB上分别对这几种算法对模型进行了训练，利用神经网络的泛化能力，得到我们所需要的预测数据。 |
| 作者： | 杨婷 |
| 专业： | 控制理论与控制工程 |
| 导师： | 杨根科 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
