神经网络专家系统在汽车故障诊断中的应用研究

本文以汽车发动机电控单元中的传感器为诊断对象,全面阐述了神经网络和专家系统的基本理论与系统结构。传统专家系统只能处理显性的表面的知识,存在推理能力弱,而且知识获取容易出现瓶颈问题等;而神经网络恰好弥补了专家系统的不足,因此设计了神经网络与专家系统结合在一起的一种新方法,将神经网络和专家系统融合在一起来克服各自存在的缺点,使二者更好地应用于故障诊断领域,将二者融合实现了人工智能在故障诊断上的飞跃。 以BP神经网络为基础建立汽车故障诊断专家系统,结合汽车所出现的各种具体故障情况,利用专家提供的样本规则,对网络进行训练,然后利用学成的网络,对汽车故障数据进行处理,便得到了汽车具体的故障情况。 神经网络专家系统作为人工智能应用于汽车故障诊断的一个系统,具有实用性强,便于不断扩充等优点,加大了诊断技术在汽车上的应用范围。在理论上,丰富了汽车故障诊断采用智能方法的可行性,使汽车故障诊断水平真正达到专家级别。 具体的实施方法是:利用神经网络的学习规则,应用BP网络实现知识的存储,采用数值优化算法完成知识库的组建;采用正向推理机制,使用VB 6.0设计人机接口实现系统和用户之间的界面,实现数值的输入和输出;大量收集汽车故障资料,从书本和领域专家那里获得相关的知识;理论联系实际,注重现场实时诊断数据的采集,提高实验结果的准确性和科学性;用MATLAB对实验结果进行仿真模拟,充分发挥解释器的作用。