OFBP神經(jīng)網(wǎng)絡(luò)在發(fā)動機故障診斷中的應(yīng)用.pdf

1、汽車技術(shù)快速發(fā)展的同時也伴隨著危險的發(fā)生，隨著人們對汽車功能的要求越來越高，汽車性能提高了，結(jié)構(gòu)復雜了，故障發(fā)生的概率也增加了。對于故障診斷技術(shù)而言也面臨著挑戰(zhàn)，人們生命財產(chǎn)的安全更加需要先進可靠的技術(shù)來保障，因此需要找到一種行之有效的方法及時發(fā)現(xiàn)汽車故障甚至預(yù)測故障的發(fā)生，將損失減到最低。
　　汽車發(fā)動機的運行狀況十分復雜，想要準確對其故障的發(fā)生進行診斷并非易事，因為發(fā)動機發(fā)生故障部位可以很多，而且故障現(xiàn)象各異，故障從總體來看呈

2、現(xiàn)非線性的特點。對于這樣的問題，現(xiàn)在還沒有一種足夠精確的模型可以表示其故障系統(tǒng)。這就需要構(gòu)造一個智能診斷系統(tǒng)，它可以從大量的樣本中提取故障特征，通過對故障樣本的學習，形成自己的知識系統(tǒng)，進而實現(xiàn)故障診斷及預(yù)測。智能故障診斷技術(shù)發(fā)展為解決這類問題提供了新的理論依據(jù)，神經(jīng)網(wǎng)絡(luò)的自適應(yīng)學習能力，使故障診斷系統(tǒng)具有了更高的智能程度和對故障的判斷能力。
　　BP神經(jīng)網(wǎng)絡(luò)屬于前向神經(jīng)網(wǎng)絡(luò)，因為它的反向傳播算法使其成為各類神經(jīng)網(wǎng)絡(luò)中最具代表性的

3、一種。它良好的非線性映射能力可以很好地應(yīng)用在故障診斷中。由于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)在訓練新的樣本過程中容易遺忘原來的舊樣本，使得之前的訓練結(jié)果對于后期神經(jīng)網(wǎng)絡(luò)的訓練沒有起到作用，而且存在訓練精度低等缺陷，因此本文給出一種增加輸出層狀態(tài)反饋的神經(jīng)網(wǎng)絡(luò)算法，解決上述提到的問題。在原有的BP神經(jīng)網(wǎng)絡(luò)模型基礎(chǔ)上，增加了一層新的輸出層狀態(tài)反饋，克服傳統(tǒng)網(wǎng)絡(luò)在訓練過程中學習新樣本時遺忘舊樣本的缺點，提高了神經(jīng)網(wǎng)絡(luò)的訓練精度。將改進BP神經(jīng)網(wǎng)絡(luò)，稱為OF