10.16526/j.cnki.11-4762/tp.2020.01.009
改进的遗传算法在汽车故障诊断中的应用
文章提出了一种基于遗传算法的自适应模型来预测发动机部件的特征图;将数值模型和测试数据的主要性能参数的区别函数作为目标函数,并且考虑了元件特性图的耦合因子作为优化参数,自适应模型和测试数据之间的主要性能的参数和过程参数差异范围显示在0.05%内;同时,该部分的总温度和压力控制在1%以内;此外,故障诊断模型是通过小偏差方程方法实现的,其中实现了气路分析和症状测量参数,代表发动机性能参数的变化;它表明了症状参数的选择值对故障诊断误差影响很大,最佳选择值为阈值的1/3;故障诊断模型的症状参数与实际故障之间的变量值的相对误差可以控制在5%以内,因而可以正确评估故障类型,并且在故障诊断模型的所有执行中都不存在误诊.
遗传算法、耦合因子、故障诊断、症状参数、阈值
28
TP39(计算技术、计算机技术)
2020-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
35-40