排序方式: 共有5条查询结果,搜索用时 9 毫秒
1
1.
2.
提出一种将粒子群优化算法与BP网络结合的新算法——PSO-BP来训练神经网络的权值和阈值,并将该算法用于汽车发动机的故障诊断。仿真结果表明:PSO-BP算法较传统BP网络的故障诊断结果具有收敛速度快、准确度和精度高的特点。 相似文献
3.
基于PSO-SVM的发动机故障诊断研究 总被引:3,自引:0,他引:3
针对发动机的故障分类问题,提出了一种基于粒子群(PSO)优化支持向量机(SVM)的发动机故障诊断方法,采用粒子群算法优化支持向量机的惩罚系数C和核宽度系数σ,并在MATLAB环境下对发动机进行故障类别诊断,通过对发动机典型故障的诊断研究表明,采用PSO-SVM算法模型的故障诊断的精确度和效率都得到了提高,该方法与BP神经网络、PSO-BP、标准SVM相比,有较高的分类准确率,准确率可高达100%;与GA-SVM方法相比,诊断效率有所提高,从而验证了该方法在发动机故障诊断中的有效性。 相似文献
4.
5.
针对发动机ECU在环仿真过程中ECU与发动机模型信号的正确匹配,提出了基于LabVIEWFPGA产生脉冲信号的方法。在说明整个硬件在环仿真方案的基础上,详细介绍了利用LabVIEWFPGA模块产生多路脉冲信号的软件编程。实验结果表明,该信号发生器能够模拟转速传感器产生精度高,相位准确,实时性强,频率范围广的脉冲信号。 相似文献
1