基于BP神经网络与概率神经网络的汽车发动机故障识别方法及对比分析

摘要：

随着电控技术发展,汽车发动机结构变得更加复杂、紧凑和精密,传感器也越来越多,如何利用传感器信号来诊断发动机故障类型(尤其是机械与性能方面故障)成为研究热点.选取反映汽车发动机运行工况的3个重要传感器信号作为输入向量,分别建立BP神经网络与概率神经网络模型对发动机失火故障、进排气管堵塞、火花塞间隙过大等非传感器直接监测的典型故障进行识别.结果 表明,基于传感器信号的神经网络模型能较好地识别出故障类型,并且通过测试和验证对比可知,概率神经网络(PNN网络)在速度和准确性上均优于BP神经网络,且效率更高.因此该方法在汽车发动机故障识别和诊断中应用更为有效.

关键词：发动机、传感器、故障识别、BP神经网络、概率神经网络

所属期刊栏目：49

分类号：TK411.5(内燃机)

资助基金：广东省自然科学基金2018A030313947;1914050006111

在线出版日期：2020-12-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：78-83