基于GA優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動機(jī)失火故障診斷研究.pdf

1、發(fā)動機(jī)故障的形成過程與機(jī)械狀況、氣缸內(nèi)的燃燒情況以及負(fù)載狀況直接相關(guān)，采用定期的維修的方法難以發(fā)現(xiàn)這些故障，而且不具有預(yù)測性，很容易造成大的交通事故。神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的識別分類能力和聯(lián)想記憶能力，對具有復(fù)雜非線性關(guān)系的多輸入多輸出模型能快速準(zhǔn)確的進(jìn)行學(xué)習(xí)、訓(xùn)練。將神經(jīng)網(wǎng)絡(luò)同其他智能算法結(jié)合應(yīng)用到故障檢測設(shè)備中是故障診斷技術(shù)向智能化方向發(fā)展的必然趨勢。
　　 本文首先對發(fā)動機(jī)尾氣超標(biāo)的機(jī)理進(jìn)行了深入的分析，建立了故障模式與尾氣排放

2、數(shù)據(jù)之間的非線性關(guān)系。結(jié)合三層神經(jīng)網(wǎng)絡(luò)能夠以任意精度逼近非線性關(guān)系的理論，從模式識別的角度，應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器對六種故障模式進(jìn)行分類。比較了BP神經(jīng)網(wǎng)絡(luò)分類器和RBF神經(jīng)網(wǎng)絡(luò)分類器對多模式分類的效果，發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)的分類精度更高，需要的神經(jīng)元更少。
　　 針對BP神經(jīng)網(wǎng)絡(luò)存在易陷入局部極優(yōu)的缺點(diǎn)，提出遺傳算法結(jié)合BP算法的組合算法對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。利用遺傳算法在全局搜索能力強(qiáng)的特點(diǎn)，對BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)、權(quán)值閡值進(jìn)行全局

3、優(yōu)化，再經(jīng)過BP算法的誤差反向修正，將經(jīng)過兩次優(yōu)化的結(jié)果為最終的故障診斷神經(jīng)網(wǎng)絡(luò)的權(quán)值閾值，建立了基于GA-BP神經(jīng)網(wǎng)絡(luò)的故障診斷優(yōu)化模型。分析結(jié)果表明，GA-BP神經(jīng)網(wǎng)絡(luò)的泛化能力、診斷精確性比BP神經(jīng)網(wǎng)絡(luò)效果更好。
　　 本文使用MATLAB仿真軟件對故障診斷模型進(jìn)行了仿真分析。對自適應(yīng)動量BP神經(jīng)網(wǎng)絡(luò)和GA-BP神經(jīng)網(wǎng)絡(luò)這兩種優(yōu)化算法進(jìn)行了比較分析。仿真結(jié)果顯示，自適應(yīng)動量BP網(wǎng)絡(luò)需要4233步左右達(dá)到收斂，檢測樣本平均誤