原文传递
基于RBF网络的汽车电喷发动机故障诊断方法的研究
| 论文题名： | 基于RBF网络的汽车电喷发动机故障诊断方法的研究 |
| 关键词： | 汽车电喷发动机;电子控制;RBF神经网络;汽车故障诊断;模式识别 |
| 摘要： | 电子控制技术在汽车上的广泛应用及汽车电子化程度的提高，极大地优化了汽车性能的同时，也使汽车的电子控制系统的结构和功能变得越来越复杂，一旦电子控制系统发生了故障，诊断和维修也变得更加的困难，而我国汽车工业发展较晚，汽车电子工业远远落后于发达国家，所以进行汽车电控系统故障诊断方法的研究对于改善和提高我国的汽车检测诊断技术非常重要，具有重要的理论意义和使用前景。 本文首先分析了国内外汽车故障诊断技术的现状和发展状况，针对目前在用的汽车故障自诊断系统的局限性和汽车故障诊断专家系统研究中存在的问题，结合神经网络模式识别在故障诊断领域的独特优势和广阔前景，提出了基于神经网络的汽车电喷发动机故障诊断的方法；其次，对神经网络原理的基本知识、径向基函数神经网络和发动机电控系统的基本知识进行了介绍，并建立神经网络故障诊断模型；最后，以桑塔纳2000型(GSI)轿车AJR型发动机怠速不稳故障为例，根据以往知识和专家经验的方法来确定发动机怠速不稳故障征兆的特征参数，通过V．A．G1552汽车故障诊断仪测量出所需的数据流，在MATLAB环境下，用RBF网络方法建立故障诊断模型，对电喷发动机怠速不稳的两种故障原因进行故障模式识别和诊断。 本文使用一RBF网络对样本进行训练和仿真实验，经验证该网络故障诊断模型对电喷发动机故障识别具有很高的准确率和很好的实际应用价值，同时将RBF网络方法和BP网络方法进行比较，证明了RBF网络故障识别和诊断方法更胜于BP网络方法。 |
| 作者： | 程丽敏 |
| 专业： | 车辆工程 |
| 导师： | 傅晓林 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2007 |
| 正文语种： | 中文 |
检索历史
应用推荐
