基于神经网络集成的汽车 ABS 故障诊断研究

《基于神经网络集成的汽车 ABS 故障诊断研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号：U472.910710-2014122087硕士学位论文基于神经网络集成的汽车ABS故障诊断研究谢超导师姓名职称胡大伟教授申请学位类别工学硕士学科专业名称载运工具运用工程论文提交日期2017年4月27日论文答辩日期2017年6月7日学位授予单位长安大学ResearchonAutomobileABSFaultDiagnosisBasedonNeuralNetworkEnsembleADissertationSubmittedfortheDegreeofMasterCandidate：XieChaoSupervisor：P

2、rof.HuDaweiChang’anUniversity，Xi’an，China论文独创性声明本人声明：本人所呈交的学位论文是在导师的指导下，独立进行研究工作所取得的成果。除论文中已经注明引用的内容外，对论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本论文中不包含任何未加明确注明的其他个人或集体已经公开发表的成果。本声明的法律责任由本人承担。论文作者签名：年月日论文知识产权权属声明本人在导师指导下所完成的论文及相关的职务作品，知识产权归属学校。学校享有以任何方式发表、复制、公开阅览、借阅以及申请专利等权利。本

3、人离校后发表或使用学位论文或与该论文直接相关的学术论文或成果时，署名单位仍然为长安大学。（保密的论文在解密后应遵守此规定）论文作者签名：年月日导师签名：年月日2摘要随着汽车工业的发展和汽车产品的普及，汽车已成为城镇居民出行的重要交通工具，对于汽车的安全性要求也更加严格。汽车防抱死系统（Anti-lockBrakingSystem,ABS）作为汽车制动系统的核心主动安全装置，是保障汽车安全性的重要组成，对其进行更精准的故障诊断检测具有重要意义。由于神经网络具有自适应、良好的容错性、并行计算等优点，本文将之应用于汽车ABS的故障诊

4、断中。构建三层BP神经网络模型，分别对汽车ABS调节器和传感器检测样本进行故障诊断。同时，结合现代智能算法中的遗传算法对BP网络进行参数优化，以克服BP网络收敛速度慢、易于陷入局部最优等缺陷。设计了采用遗传算法优化BP神经网络初始权值和阈值的遗传神经网络（GA_BP）算法，并将之应用于ABS调节器与传感器的故障诊断中。基于MATLAB2014软件平台，使用神经网络工具箱并编程实现遗传神经网络算法，分别对调节器和传感器检测样本进行训练并仿真检验，结果显示，应用遗传算法优化后，ABS故障诊断的效率和可靠性都得到了提升。最后，鉴于单

5、神经网络具有复杂度高、故障空间和样本维度较小等问题，引入集成计算方法，提出了使用神经网络集成进行ABS故障诊断的方法。该方法可以利用不同方面的信息，将故障空间和样本空间进行划分，构建子神经网络分别独立计算仿真，最后将输出结果决策融合。使用调节器样本进行了仿真，通过诊断结果比较可知，神经网络集成有效地提升了故障诊断的效率和精度，增强了网络的泛化性能。关键词：汽车ABS；故障诊断；神经网络；遗传算法；网络集成iAbstractNowadays,automobileindustryandtheproductshasexperienc

6、edarapiddevelopment,theautomobilehasbecomeanimportantwayfortheurbanresidentstotravel,thus,peoplepaymuchattentionandmorestringentonthesafetyofthecar.Automobile’sAnti-LockBrakingSystem(ABS)asthecoreofautomobilebrakesystemisanimportantcomponentofactivesafetydevicetoens

7、urevehicle’ssafety,so,tomakethefaultdiagnosismoreaccuratehavetheimportantmeaning.Sinceneuralnetworkhastheadvantagessuchasadaptability,goodfaulttolerance,parallelcomputing,thispaperappliesittothefaultdiagnosisofABSproblemwhentheregulatorandsensorgetsafault.Thethreela

8、yerBPneuralnetworkmodelisbuilttodetectanddiagnosetheregulatorandsensorsamples.Atthesametime,theBPalgorithmisoptimizedbytheartificialintell