基于FA优化SOM-BP神经网络的混合动力汽车故障诊断

【摘要】：全球汽车产业的迅速发展带来了大气污染和能源消耗等问题,混合动力汽车成为解决该问题的有效方法之一。混合动力汽车的安全性和可靠性是保证驾乘人员人生安全和财产安全的重要因素,故障诊断技术通过分析混合动力汽车参数判断是否有故障发生。因此,有必要对混合动力汽车故障诊断技术进行深入研究。本文通过对混合动力汽车系统组成、故障类型和故障原因进行分析,并将智能算法应用到混合动力汽车故障诊断中,具体研究内容如下:(1)首先,简单介绍了混合动力汽车结构组成,并对常见故障及原因进行总结。研究了传统故障诊断方法与基于智能算法的故障诊断方法的优点和局限性。(2)针对混合动力汽车信息的冗余性,使用PCA(主成分分析法)对原始信息进行降维;针对汽车传统故障诊断方法的局限性以及混合动力汽车故障信息与类型的非线性映射问题,使用非线性处理能力强的神经网络进行故障诊断。阐述了基于SOM-BP(SOM神经网络与BP神经网络串联网络)神经网络进行故障诊断的算法流程,通过仿真验证方法的可行性。(3)针对SOM-BP神经网络的网络性能受到连接权值和阈值影响的问题,本文提出使用FA(萤火虫算法)对SOM-BP神经网络进行优化;分析了FA的基本思想和算法流程,构建基于FA优化SOM-BP神经网络的混合动力汽车故障诊断模型,并进行仿真,仿真结果验证该方法具有更高的准确度和快速收敛性。