- 1、本文档共7页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基干PNN神经网络电控发动机故障诊断
基于PNN神经网络的电控发动机故障诊断 摘 要: 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
关键词: PNN神经网络; 发动机; 电控系统; 故障诊断
中图分类号: TN926?34; TK428 文献标识码: A 文章编号: 1004?373X(2016)20?0146?03
Abstract: The probabilistic neural network (PNN) is a feedforward neural network, and has strong ability to classify the nonlinear patterns. The method of using PNN to diagnose the fault of the engine′s electrically?controlled system is proposed. The PNN and its working principle are introduced. The electrically?controlled system of the Elantra car engine is taken as the research object. The Kinder KT600 fault diagnosis instrument is used to collect the failure data flow of the engine while the engine is kept in idle speed. The PNN is used to establish the diagnosis model. The network diagnosis model was verified. The diagnosis results are completely correct, and the training speed is very fast, which show that the PNN has good generalization ability, and has a certain practical value.
Keywords: PNN neural network; engine; electronic controlled system; fault diagnosis
0 引 言
随着汽车技术的发展以及各种高新技术在汽车上的广泛应用,使汽车已经由一个传统的机械装置逐渐演变为一个集机械、电子、计算机、控制、通信等技术于一体的复杂系统。这一演变过程使得发动机电控系统变得更加复杂,同时,也使得发动机电控系统故障诊断的难度增大。神经网络的出现,为发动机电控系统故障诊断开辟了新的途径
神经网络特有的非线性适应性信息处理能力,克服了传统人工智能方法对于直觉的缺陷,使之在神经专家系统、模式识别、智能控制、组合优化、故障诊断等领域得到成功应用。本文以伊兰特汽车发动机电控系统为实验对象,运用PNN神经网络对发动机电控系统进行故障诊断
1 PNN神经网络及工作原理
1.1 PNN神经网络结构
概率神经网络(PNN)是基于Bayes分类规则与Parzen窗的概率密度函数估计方法发展而来的一种并行算法[1]。PNN神经网络结构简单、训练速度快,在模式分类问题中,它可以利用线性学习算法来实现非线性学习算法的功能,同时具有非线性算法的高精确度等性质,PNN神经网络不需要训练,能够实现网络训练的实时性。PNN神经网络的结构图如图1所示
由图1可以看出,PNN神经网络的结构与RBF神经网络的结构相似,但它们的输出层有些差异。其中,[a1i]表示矢量[a1]的第[i]个元素;[iIW1,1]表示权矩阵[IW1,1]的第[i]行矢量;[R]为输入矢量元素的数目;[Q]表示输入目标样本数目即隐层神经元的数目;[K]表示输入矢量类型数目即输出层神经元的数目[1]
1.2 PNN神经网络工作原理[1]
在PNN神经网络的隐层中,先确定学习样本数据与输入矢量之间的距离,同时,学习样本数据与输入矢量之间的相似度用隐层的输出矢量表示。在输出层中,网络会对输入矢量进行模式识别和分类,然后输出
文档评论(0)