基于径向基神经网络的发动机故障诊断技术

• 作者: 张博淋 王宇超 谢春丽
• 来源期刊: 森林工程
• 学科: 工学
• 关键词: 径向基(RBF)神经网络 发动机 故障诊断 X-431诊断仪 数据采集
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 森工技术与装备
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP183
• 字数: 3962字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-8023.2019.06.010

摘要

发动机是汽车动力系统的重要组成部分,其正常运转对驾驶员及乘员安全起着至关重要的作用.基于传统BP神经网络发动机的故障诊断技术具有收敛速度慢、诊断精确度低等劣势,为了提高诊断准确度,本文利用径向基(RBF)神经网络模型对汽车发动机故障位置及类型进行诊断.通过元征X-431汽车故障诊断仪采集发动机在多种不同工况下故障试验的数据并做归一化处理,将试验数据作为神经网络的输入,将发动机正常运转和8种常见故障类型作为输出,建立RBF神经网络模型进行训练.对多种实测的故障数据进行测试和识别,验证所提出的算法的准确性,结果表明此方法对发动机故障诊断的准确率可以达到90％,为汽车发动机故障诊断提供参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢春丽	东北林业大学交通学院	33	170	8.0	11.0
2	王宇超	东北林业大学交通学院	3	4	2.0	2.0
3	张博淋	东北林业大学交通学院	1	0	0.0	0.0