基于pnn神经网络的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》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、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

2、号：TN926?34；TK428文献标识码：A文章编号：1004?373X（2016）20?0146?03　　Abstract：Theprobabilisticneuralnetwork（PNN）isafeedforwardneuralnetwork，andhasstrongabilitytoclassifythenonlinearpatterns.ThemethodofusingPNNtodiagnosethefaultoftheengine′selectrically?controlledsystemisproposed.TheP

3、NNanditsworkingprincipleareintroduced.Theelectrically?controlledsystemoftheElantracarengineistakenastheresearchobject.TheKinderKT600faultdiagnosisinstrumentisusedtocollectthefailuredataflowoftheenginewhiletheengineiskeptinidlespeed.ThePNNisusedtoestablishthe6diagnosismo

4、del.Thenetworkdiagnosismodelwasverified.Thediagnosisresultsarecompletelycorrect，andthetrainingspeedisveryfast，whichshowthatthePNNhasgoodgeneralizationability，andhasacertainpracticalvalue.　　Keywords：PNNneuralnetwork；engine；electroniccontrolledsystem；faultdiagnosis　　0引言　　

5、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

6、故障诊断。　　1PNN神经网络及工作原理　　1.1PNN神经网络结构6　　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

7、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]。　　1.2PNN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，然后输出结果，其值代表概率矢量，输出层中的compet将对概率矢量进行筛选，用1代表概率最高的矢量，其他的用0表示。当输

8、入矢量的维数为[Q]，目标矢量的维数为[K]时，则表示类型中值为1的元素只有一个，其余的都为0。　　对于输入向量矩阵[P]，其转置[P′]等同于隐层中的权矩阵[IW1，1]，先后与[dist]和阈值矢量进行数学计算，最后