基于PNN神经网络的电控发动机故障诊断

PNN是前馈型神经网络,具有强大的非线性模式分类能力。提出运用PNN神经网络对发动机电控系统进行故障诊断的方法,介绍了PNN神经网络及其工作原理,以伊兰特汽车发动机电控系统为研究对象,让发动机在怠速情况下,并对其进行故障设置,运用金德KT600故障诊断仪采集发动机故障数据流,利用PNN神经网络建立诊断模型,并对网络诊断模型进行验证,诊断结果完全正确,且训练速度非常快。实验结果表明PNN神经网络具有较强的泛化能力和实用价值。     

基于BP神经网络的发动机故障诊断专家系统

电控发动机结构复杂,故障率高,研究其故障诊断专家系统能够及时准确地对故障做出判断,提高诊断效率。针对传统专家系统在知识获取及推理中的不足,提出将人工神经网络与专家系统结合的设想,介绍了基于BP神经网络的故障诊断专家系统的结构及原理,并运用到发动机故障诊断中,实践结果证明该方法切实有效。     

基于BP神经网络的发动机故障诊断研究

对基于BP神经网络的电控发动机故障诊断进行了初步研究,提出了BP神经网络的结构。举例建立了基于神经网络技术的点火系的故障诊断模型并对诊断系统进行系统测试和做出评价。     

基于BP神经网络的发动机故障诊断研究

对基于BP神经网络的电控发动机故障诊断进行了初步研究,提出了BP神经网络的结构.举例建立了基于神经网络技术的点火系的故障诊断模型并对诊断系统进行系统测试和做出评价.     

基于人工神经网络的航空发动机故障诊断方法

针对航空发动机工作环境和结构的复杂性,设计了一种基于人工神经网络的航空发动机故障诊断方法。使用BP神经网络实现对航空发动机故障的诊断和识别,为了加快BP算法的收敛速度,采用带惯性项的批处理BP算法对BP神经网络进行训练。通过对检验样本的测试验证了该方法的有效性和可行性,将不同隐含层数及不同误差精度的算法性能进行了比较分析,结果表明本设计的网络结构及选取的误差精度能满足实际需要。     

基于改进的小波神经网络的汽车电控汽油机故障诊断

针对现有BP网络在汽车电控汽油机故障诊断中存在的问题,提出将小波函数与神经网络结合构成小波网络,代替BP网络用于故障诊断。并对小波神经网络提出了两个方面的改进。首先是对输出层函数进行了改进,其次是用熵函数代替均方误差函数作为网络的代价函数。仿真结果表明此改进的小波神经网络算法进行汽车电控汽油机的故障是有效的,而且与传统的BP神经网络相比,该改进的小波神经网络具有更强的逼近能力,更快的网络学习收敛速度和能有效避免局部最小值问题。     

汽车电控发动机常见故障分析

随着汽车电控技术的发展进步,汽车电控发动机系统也日益复杂,汽车发动机的故障发生率增大,故障维修的难度增加,也形成了汽车维修行业领域近年来新的难题。从实践经验中得知,汽车电控发动机故障的发生可能是多方面原因引起的,尤其是在油路系统和气路故障上,故障识别诊断难度大,故障发生率也较高。笔者在本文中对电控发动机常见故障进行了简要的结语分析,并对故障排除进行了探讨,旨在通过本文的研究为汽车电控发动机故障诊断与排除提供相应的指导。     

蚁群约简与神经网络用于航空发动机故障识别

为解决航空发动机转子系统故障模式识别这一复杂问题,将蚁群算法与BP神经网络相结合应用于故障模式识别.文中采用蚁群算法对反映发动机运行工况的故障特征参数进行约简,并结合BP神经网络对故障识别过程做了分析,以航空发动机转子系统的故障识别为对象进行了实验验证.结果表明,利用蚁群算法对航空发动机转子系统故障特征参数进行约简,剔除了输入冗余信息,降低了网络数据维数,提高了运算效率和故障识别的正确性.     

基于神经网络的电气设备故障诊断

电气设备的故障诊断对于提高生产效率具有十分重要的意义。然而,随着设备内部复杂度的不断提高,故障诊断也成为一项越来越难的工作。在分析神经网络结构及其学习算法的基础上,提出一种基于3层BP神经网络的电气故障诊断方法,并以发动机故障检测为实例,分析特征向量提取、神经网络训练等问题。通过输入样本训练及神经网络测试表明,神经网络在故障检测诊断问题中具有很高的实用价值。     

基于BP神经网络的某型飞机火控系统故障诊断

根据某型飞机火控系统的特点,给出了BP神经网络数学模型及其学习算法,在此基础上以某型飞机火控系统作为为被诊断对象,运用BP神经网络数学模型及其学习算法对其进行故障诊断。诊断结果表明BP神经网络不仅能识别出样本自身的故障,而且能准确诊断出样本以外数据故障,提高某型飞机火控系统一线维修保障效率。