基于神经网络的汽车驱动轴故障率预测

摘要：

汽车零件故障率是汽车零件质量的关键评价指标,针对现在行业内缺乏良好的汽车零部件故障率预测方法的问题,建立了一种基于遗传算法(GA)优化BP神经网络的汽车驱动轴故障率预测模型.首先对驱动轴的零件结构和故障模式等进行分析,提取出驱动轴故障率的主要影响因素,并对GABP模型的相关参数进行分析确定;然后利用某车型真实的驱动轴售后数据对GABP模型进行训练预测,并将GABP模型的预测结果与BP模型、线性回归模型、随机森林模型预测结果进行对比分析;最后对该GABP模型的主要输入参数进行了敏感性分析.结果表明:GABP 模型的预测精准性更高,预测稳定性更好;整车工厂质量水平对该车型驱动轴故障率影响最大.

关键词：神经网络、遗传算法、敏感性分析、驱动轴、故障率

分类号：U463.216(汽车工程)

在线出版日期：2023-06-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：69-75