本文主要研究内容
作者刘洋,潘金冲,张云龙,帅石金（2019）在《基于神经网络的汽油车三效催化器老化诊断》一文中研究指出：随着汽油车后处理系统复杂程度的提高,三效催化器的故障诊断需要解决建模难度大、标定成本高等问题。结合神经网络在处理非线性问题上的优势,提出一种基于神经网络的汽油车三效催化器老化诊断算法。算法以三效催化器的老化机理为基础,采集催化器前后氧传感器信号作为特征输入,结合不同故障进行编码,构成网络训练和测试所需的数据集;分别应用反向传播神经网络(Back Propagation Neural Network,BPNN)和深度置信网络(Deep Belief Network,DBN)的模型架构,对训练过程各参数进行调优,并对诊断结果进行测试。试验结果表明:基于神经网络的诊断算法建模简便,具有较高的诊断精度和泛化能力;诊断架构上,DBN相对于BPNN简化了特征提取过程,拥有更高的诊断精度。
Abstract
sui zhao qi you che hou chu li ji tong fu za cheng du de di gao ,san xiao cui hua qi de gu zhang zhen duan xu yao jie jue jian mo nan du da 、biao ding cheng ben gao deng wen ti 。jie ge shen jing wang lao zai chu li fei xian xing wen ti shang de you shi ,di chu yi chong ji yu shen jing wang lao de qi you che san xiao cui hua qi lao hua zhen duan suan fa 。suan fa yi san xiao cui hua qi de lao hua ji li wei ji chu ,cai ji cui hua qi qian hou yang chuan gan qi xin hao zuo wei te zheng shu ru ,jie ge bu tong gu zhang jin hang bian ma ,gou cheng wang lao xun lian he ce shi suo xu de shu ju ji ;fen bie ying yong fan xiang chuan bo shen jing wang lao (Back Propagation Neural Network,BPNN)he shen du zhi xin wang lao (Deep Belief Network,DBN)de mo xing jia gou ,dui xun lian guo cheng ge can shu jin hang diao you ,bing dui zhen duan jie guo jin hang ce shi 。shi yan jie guo biao ming :ji yu shen jing wang lao de zhen duan suan fa jian mo jian bian ,ju you jiao gao de zhen duan jing du he fan hua neng li ;zhen duan jia gou shang ,DBNxiang dui yu BPNNjian hua le te zheng di qu guo cheng ,yong you geng gao de zhen duan jing du 。
论文参考文献
论文详细介绍
论文作者分别是来自车用发动机的刘洋,潘金冲,张云龙,帅石金，发表于刊物车用发动机2019年01期论文，是一篇关于三效催化器论文,神经网络论文,老化论文,故障诊断论文,车用发动机2019年01期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自车用发动机2019年01期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：三效催化器论文; 神经网络论文; 老化论文; 故障诊断论文; 车用发动机2019年01期论文;