神经网络应用于汽车发动机故障诊断研究.pdfVIP

神经网络应用于汽车发动机故障诊断的研究 张男，郭煜丹 辽宁工程技术大学研究生学院，辽宁葫芦岛（125105 ） E-mail ：zhangnan_526@163.com 摘 要：随着经济的发展，人民生活水平的提高，汽车已走进了千家万户，对于汽车一些常 见故障的判断和检修已经成为人们必修掌握的一门技术，因此本文运用神经网络的BP 算法， 对汽车发动机故障进行诊断。 关键词：人工神经网络；BP 算法；汽车发动机故障诊断 1 引言 现代意义上对神经网络(特指人工神经网络) 的研究一般认为从 1943 年美国芝加哥大学 的生理学家W.S.McCulloch 和 W.A.Pitts 提出 M-P 神经元模型开始，到目前为止经过了 50 多年曲折的发展道路[1] 。人工神经网络理论与应用技术取得了长足的发展，由于神经网络具 有大规模并行，分布式存储和处理、自组织、自适应和自学习等优越性能，使其成为人工智 能研究的重要工具，其应用范围已涉及到模式识别、故障诊断、计算机视觉、智能机器人、 自适应控制、企业管理、决策优化、专家系统、知识处理等诸多领域。本文利用BP 神经网 络来建立汽车发动机的故障诊断模型，以便能更好、更快的分析出汽车发动机的故障所在。 2 人工神经网络应用于汽车发动机故障诊断中的基本原理 2.1 人工神经网络的基本原理 人工神经网络是对人类大脑的一种物理结构上的模拟，即以计算机仿真的方法，从物理 结构上模拟人脑，以使系统具有人脑的某些智能。它由大量简单元件相互连接而形成一个复 杂的网络，具有高度的非线性，能够进行复杂的逻辑操作和非线性关系的实现。多层前馈神 经网络模型是目前应用最为广泛的模型，其BP 网络结构图如下： 输入层 隐藏层 输出层 ．．． ．．． ．．． 图1 BP 神经网络结构 2.2 BP 算法的原理及规则 2.2.1 BP 算法的原理 BP 算法本质上是以网络误差平方和为目标函数，按梯度法(gradient approaches)求其 - 1 - 目标函数(objective function)达到最小值的算法。 为了能够运用梯度算法，首先将神经元的激励函数改造成可微的S 型函数。推导此 算法的困难在于，多层复合函数按链式求偏导数，将使公式非常冗长和复杂。BP 算法的功 绩在于它巧妙地解决了这个问题。 设N 是一个前向神经网络，给定样本集K,对第p 个样本进行迭代学习，设迭代到 第t 时刻时网络的权、阈值矩阵为W(t) ，其对应的误差平方和为E(W(t)) ，现在用梯度法迭 代搜索求W 的最优值，即 ∂E(W) W(t+1)=W(t) -α ∂W 其中α是迭代的步长。 ∂E(W) 用梯度法的主要难度在于给出 的表达式，因为m 层前向网络E(W)是一个 ∂W 具有 2m+1 层的复合函数，用一般链式求复合函数的偏导数公式，将使表达式复杂无比。 ∂E(W) Rumelhart 的贡献在于，在推导 的过程中巧妙地引用“误差” 的概念，令第l 层第i 个