《基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析》PDF+DOC
作者:李雯,喻菲菲,杜灿谊,李锋,龚永康
单位:天津大学
出版:《小型内燃机与车辆技术》2020年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFXXNR2020050160
DOC编号:DOCXXNR2020050169
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于BP神经网络的风洞传感器非线性误差修正方法》PDF+DOC2016年第03期 张鹏,杨兴锐,严翔,殷造林,李燕君
《基于加速度的BP神经网络手势识别设计》PDF+DOC2016年第21期 贾维闯,宫进,吴雄华
《基于BP神经网络模型的压力传感器温度补偿》PDF+DOC2019年第04期 乔维德
《基于BP神经网络的智能车电磁导航控制算法》PDF+DOC2020年第25期 孙艺铭,林雨,范佩升,张丽
《基于BP神经网络的传感器非线性建模》PDF+DOC2010年第29期 张君,邢璐
《基于BP神经网络的传感器非线性补偿》PDF+DOC2007年第01期 田社平,赵阳,韦红雨,王志武
《基于BP神经网络的钢轴表面硬度磁巴克豪森噪声定量检测技术》PDF+DOC2020年第01期 张传栋,何存富,刘秀成,吴斌,张秀
《基于主成分分析和BP神经网络的气体识别方法研究》PDF+DOC2001年第04期 魏广芬,唐祯安,余隽
《基于BP神经网络的开关磁阻电机无位置传感器控制》PDF+DOC2011年第05期 李大鹏,樊胜利,代尚方,吴涛
《基于BP神经网络的智能压力传感器设计》PDF+DOC2010年第05期 张世英,于玺兴,朱杰堂
随着电控技术发展,汽车发动机结构变得更加复杂、紧凑和精密,传感器也越来越多,如何利用传感器信号来诊断发动机故障类型(尤其是机械与性能方面故障)成为研究热点。选取反映汽车发动机运行工况的3个重要传感器信号作为输入向量,分别建立BP神经网络与概率神经网络模型对发动机失火故障、进排气管堵塞、火花塞间隙过大等非传感器直接监测的典型故障进行识别。结果表明,基于传感器信号的神经网络模型能较好地识别出故障类型,并且通过测试和验证对比可知,概率神经网络(PNN网络)在速度和准确性上均优于BP神经网络,且效率更高。因此该方法在汽车发动机故障识别和诊断中应用更为有效。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。