东北大学学报（自然科学版）
東北大學學報（自然科學版）
동북대학학보（자연과학판）
JOURNAL OF NORTHEASTERN UNIVERSITY（NATURAL SCIENCE）
2008年
2期
254-257,261
,共5页
刘应吉%张天侠%闻邦椿%杨京锋
劉應吉%張天俠%聞邦椿%楊京鋒
류응길%장천협%문방춘%양경봉
故障诊断%CAN总线%主成分分析%减法聚类%自适应神经模糊推理系统
故障診斷%CAN總線%主成分分析%減法聚類%自適應神經模糊推理繫統
고장진단%CAN총선%주성분분석%감법취류%자괄응신경모호추리계통
针对传统发动机故障诊断方式存在故障事后检修及查询困难等问题,提出一种基于CAN总线的发动机在线故障诊断系统模型.以CAN总线实时采集的发动机控制单元各传感器状态数据为诊断样本,利用主成分分析(PCA)实现输入变量降维和去相关;采用减法(subtractive)聚类算法完成模糊推理过程;应用自适应神经模糊推理系统(ANFIS)建立起PSA(PCA-subtractive-ANFIS)故障诊断模型.研究表明PSA故障诊断模型是有效的.仿真结果表明,其拟合能力、收敛速度及抗噪能力均优于PCA-BP网络模型.
針對傳統髮動機故障診斷方式存在故障事後檢脩及查詢睏難等問題,提齣一種基于CAN總線的髮動機在線故障診斷繫統模型.以CAN總線實時採集的髮動機控製單元各傳感器狀態數據為診斷樣本,利用主成分分析(PCA)實現輸入變量降維和去相關;採用減法(subtractive)聚類算法完成模糊推理過程;應用自適應神經模糊推理繫統(ANFIS)建立起PSA(PCA-subtractive-ANFIS)故障診斷模型.研究錶明PSA故障診斷模型是有效的.倣真結果錶明,其擬閤能力、收斂速度及抗譟能力均優于PCA-BP網絡模型.
침대전통발동궤고장진단방식존재고장사후검수급사순곤난등문제,제출일충기우CAN총선적발동궤재선고장진단계통모형.이CAN총선실시채집적발동궤공제단원각전감기상태수거위진단양본,이용주성분분석(PCA)실현수입변량강유화거상관;채용감법(subtractive)취류산법완성모호추리과정;응용자괄응신경모호추리계통(ANFIS)건립기PSA(PCA-subtractive-ANFIS)고장진단모형.연구표명PSA고장진단모형시유효적.방진결과표명,기의합능력、수렴속도급항조능력균우우PCA-BP망락모형.
