论文部分内容阅读
本文主要研究基于人工神经元网络(ANN)模型的故障诊断技术在点燃式汽油机故障诊断中的可行性。基于本文所讨论的主要问题，仅仅针对人为设定的故障，展开讨论基于径向基函数(RBF)网络的诊断方法的可行性。RBF神经网络由于良好的泛化能力、相对于多层前馈网络简单的网络结构以及简单的计算迭代过程等特点，近来受到越来越多的关注。对于RBF分类器，特别是高斯函数作为径向基函数的RBF网络，当对一个不在领域内的模式进行评判时，RBF会将其判断为未知模式。另外，多层前馈神经网络通常采用的BP训练算法比较慢，尤其是对于多数据问题。由于RBF可以直接从输入数据确立隐含层参数，利用线性优化方法来训练网络，所以相对于多层前馈神经网络可以较快的完成训练过程。排放废气和发动机失火故障之间的关系是非线性的，而且很难建立精确的数学模型。本文建立神经网络模型所用到的数据均来自东风EQ6102发动机，建好之后的模型用于该发动机上的失火故障诊断。从本文的研究可以看出，ANN在汽车故障诊断技术上有很大的发展潜力，同时相对于其它方法，神经网络在泛化能力上有着很大优势，因为神经网络在发动机不同的运行工况下都有着广泛而系统的诊断能力；另一优点就是成本低，该方法不要求测量发动机功率图谱和其他一些物理参数，且易于从一种发动机类型移植到另一种。