论文部分内容阅读
信息融合技术就是研究如何有效地综合利用多传感器信息,克服信息的不完备性和不确定性,更加准确、全面地认识和描述被测对象,从而做出正确的判断和决策,近年来己成为各国学者研究的热点。面对目趋复杂的应用环境,目前车辆故障监测系统上常用的单一传感器己经不能满足实时、快速地提供具有高精度和高可靠性的监测与定位信息,以及具备自主性好、对环境变化的适应能力强、抗干扰性强以及小型化和高性能价格比等要求。而良好的监测系统能通过大量的运行状态信息对车辆关键部位运行状态进行实时监测及报警,这有利于操作人员更好地了解车辆整车的性能,并及时地做出相应的调整措施来提高车辆的可靠性和安全性。 为此,为了更好地利用运行状态信息对车辆关键部位进行实时监测和报警,本文基于多传感器信息融合技术下对车辆运行状况监测系统进行了如下的研究工作: 1.实用性地分析、归纳、总结了人工神经网络,模糊系统理论以及模糊神经网络信息融合的系统理论和方法。 2.构造了基于模糊神经网络的故障诊断系统,使之兼有模糊神经网络与信息融合的优点,具有单一神经网络无法比拟的优势,其不足之处又可以通过模糊理论的引入得以弥补。使用模糊推理系统处理系统输入可以大大减少神经网络带来的系统复杂度。 3.分析了模糊评判的方法,并将模糊评判方法与模糊神经网络相结合,提出了一种将综合评判的权重和评判矩阵的确定统一在模糊神经网络的评判方法。 4.根据汽车发动机的类型、组成结构、功能原理及维修专家的实际经验,用计算机故障模拟建立故障诊断树。由诊断树提炼出训练样本,提供给神经网络学习,学习后生成的权值和阈值组成了知识库的一部分。期间专家系统可以借助于神经网络进行自学习,扩充知识库,提高诊断准确性。文中对目前应用最广泛最有成效的BP网络及其在sigmoid激发函数下的算法步骤,程序设计作了详细说明,并对基于BP神经网络的模糊故障诊断作了探讨。