基于模糊神经网络的动力电池故障诊断研究

汽车动力电池的某些故障比较容易诊断,比如过压、过充、SOC异常等故障,但也存在一些不明显的故障,如电池容量变小、电池内阻大等,无法通过实时采集的电池数据进行诊断。文章便是针对这类故障对电池充放电历史数据进行分析诊断,然后结合模糊理论与神经网络设计电池故障诊断系统。     

基于模糊变步长神经网络的自适应PID控制

针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应ＰＩＤ控制系统算法，并根据其特点，提出了学习步长模糊校正的方案。这种控制系统综合了神经网络、模糊决策和ＰＩＤ控制的优点，易于实现。仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

基于模糊神经网络的柴油发动机故障诊断方法的研究

针对传统方法在柴油机故障诊断中的局限性,本文提出了一种把改进的模糊神经网络用于故障诊断的方法,以数据仿真证明了此方法的有效性和可行性.     

基于模糊神经网络的发电机调节器故障诊断研究

电子调节器起着调节发电量和保护汽车用电器的作用。本文分析了汽车电子调节器的技术原理,并针对车用爪极发电机调节器电路参数的特点,提出了用智能诊断方法——模糊神经网络对其进行诊断,组建了一个基于CAN总线的发电机电子调节器模糊神经网络故障诊断系统,实验证明了该方法的有效性。     

基于自适应AR谱与神经网络的车变速器轴承故障诊断

提出了基于自适应AR谱和神经网络的汽车变速器轴承故障诊断方法.该方法采用自适应滤波将轴承振动信号进行滤波,建立AR模型,从而提取出故障轴承的特征,再利用BP神经网络进行故障分类.试验证明该方法适用于汽车变速器轴承的故障诊断.     

基于Matlab的高速公路交通流 RBF神经网络建模

通过对高速公路宏观动态交通流模型的分析,提出用Matlab神经网络工具箱建立了交通流RBF模型,讨论了RBF网络设计过程中的参数设置,仿真结果表明了RBF模型的有效性.由于Matlab提供的RBF的实现算法具有自适应确定网络结构和无需人为确定网络初始权值的优点,因此减少了网络训练的随机性,提高了训练精度.     

基于神经网络的半主动悬架自适应模糊控制

提出了基于神经网络的自适应模糊控制策略。模糊控制主要用来对付系统的非线性；神经网络根据振动响应的方差递推结果来辨识车体的振动情况实时调节模糊控制器的量化因子，使模糊控制器对路面的变化具有自适应的能力。在半主动悬挂1／4车非线性模型的基础上进行了仿真研究。     

汽车ABS中的模糊神经网络模型参考自适应控制策略

针对汽车制动的特点以及汽车防抱死制动系统的性能要求,建立了汽车的数学模型,提出一种模糊神经网络的自适应控制方案,构建了基于模糊神经网络的控制器和辨识器的结构模型。通过对网络参数的离线训练得出其初值,在控制过程中对网络参数进行在线微调,实现对汽车制动过程的有效控制。仿真结果表明:在不同的路面,汽车均能保持在最佳滑移率附近进行制动,制动时间及距离比较理想,满足ABS的安全性能要求。     

模糊神经网络在汽车发动机电子点火系统故障诊断中的应用

本文针对发动机电子点火系统的五种常见故障,借助发动机综合分析仪测得次级点火波形,并提取特征值,构造了一种模糊神经网络模型,利用MATLAB进行仿真,通过简单测试,得出这种方法是可行的,可以准确快速的诊断出故障原因。     

基于自适应遗传粒子群优化模糊神经网络的疲劳驾驶预测模型

为提高疲劳驾驶的预测精度,提出了基于减法聚类和遗传粒子群优化模糊神经网络的疲劳驾驶预测模型.根据训练样本,利用减法聚类确定网络结构和初始参数;借助于进化速度因子,采用自适应遗传粒子群算法优化网络参数.利用疲劳驾驶实车模拟实验获得的数据,对该模型进行了训练和测试,并将结果与传统的粒子群、遗传和反向传播算法进行对比.结果表明,该模型不仅精简了网络结构,缩短了训练时间,而且减小了全局误差,提高了预测精度.     

基于神经网络的汽车故障诊断专家系统开发中的问题研究

针对基于神经网络技术的汽车故障诊断专家系统开发中的问题进行深入研究，解决系统开发中的几个实际问题，提出一些新的理论与方法。     

基于卷积神经网络的逆变器故障诊断方法

针对车用永磁同步电机驱动系统在长期运行过程中存在的逆变器故障风险,本文中提出了一种基于卷积神经网络的逆变器故障诊断方法.首先,对三相定子电流数据进行标幺化和单位电周期电流数据筛选处理,降低电机驱动系统变转矩、变转速工况对故障诊断效果的影响;然后,结合卷积神经网络,发挥其提取故障特征和抗噪优势,实现逆变器故障诊断.在MA...     

基于神经网络的发动机控制系统故障诊断研究

通过比较发动机控制系统故障诊断的方法，针对基于神经网络的发动机控制系统的故障诊断推导出数学模型；并编制了采用双向联想记忆神经网络完成发动机控制系统故障诊断的学习与诊断程序，实现了仿真。     

BP神经网络在自动变速器故障诊断中的应用

由于自动变速器故障自诊断系统不易准确判断故障原因和具体位置,文章借助汽车OBD自诊断协议,组建自动变速器电子控制系统的诊断数据采集系统。以某轿车01M型自动变速器不能升挡故障为例,采用V.A.S5052故障诊断仪对其进行数据采集与分析。建立了基于BP神经网络的典型故障诊断模型,并对自动变速器典型故障进行实际数据测试,准确识别出自动变速器不能升挡的典型故障原因是节气门位置传感器线路故障和车速传感器断路故障。结果表明人工神经网络具有很高的诊断精度。     

SOM-BP神经网络在机械故障诊断中的应用研究

从信息融合的角度出发,以自组织特征映射网络SOM和误差反向传播网络BP为理论基础,提出了SOM-BP神经网络模型,引用某内燃机燃油系统故障及其相关参数作为训练样本建立诊断模型。通过仿真试验,验证了SOM-BP神经网络在机械故障诊断中的正确性和精确性。     

基于声强与神经网络技术的发动机故障诊断

根据发动机的结构特点,将其表面划分成不同的测试区域进行声强信号采集;依据声强特征,确定不同区域对应零部件的工作状况;利用模块化神经网络,建立基于声强特征的故障诊断模型,该模型中包含发动机低速与中速诊断模块、决策模块和故障知识库;在建模过程中,利用特征函数强化故障特征作为网络输入。结果表明,该方法具有诊断精度高、速度快、实时自学习等特点,为建立更为完善的发动机智能化故障诊断系统提供新途径。     

基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。