89美赛蠓虫识别神经网络

1、：基于神经网络的汽车发动机智能故障研究The Research of Intelligent Fauiagnosis for Gasoline EngineBased on Neural NetworkAbstractUsing computer technology, neural networks, expert systems, the fault of the engine to make accurate judgment timely, to improve vehicle efficiency and quality of maintenance isvery important

2、. With the widespuse of automobiles, Research of automobile engine faultdiagnosis system is of great significance. Using computer technology, neural networks, expert systems, the fault of the engine to make accurate judgment timely, to improve vehicleefficiency and quality of maintenance is very imp

3、ortant. With the widespuse ofautomobiles, Research of automobile engine fauiagnosis system is of great significance.The Fault Diagnostician System of Automobile Engine is a combination of NeuralNetworks and expert systems, which overcome the traditional shortcos of expert systemand neural network of

4、 their existence. So the expert system and neural network put togetherand can be better applied to fauiagnosis field. The expert system contains the fivecomponents which include a knowledge base, database, consequence engine, knowledge acquisition and interpret part. The System developed and accompl

5、ished based on WindowsXP platform, object-oriented program for database language.language for programlanguages and AccessThis paper take exhaust gas(CO,CO2,NOx,HC,and O2)for the training samples in order to make the final sample pretreatment Based EQ6102 gasoline engine in the different load conditi

6、on speed without their emissions, then create the trained neural network based reusable training samples, Finally, test the state of engine cylinder using the trained neural network so as to judge whether Cylinder is in the normal condition, and get a specific fault.Based on BP network, network-base

7、d Elman, two kind of engine fauiagnosis systemfor the training; take three samples of fauiagnosis system for the certification; It alsoconducted a comparison of several diagnostic methods, the results shows, the correct judgment rate of the network is 100%,the network is fully able to meet the requi

8、rements ofautomobile engine fauiagnosis; Elman network identification error is big, but it will notaffect the practical application. In addition, because of the introduction of a feedback network in Elman network, the error curves of network training is smoother than the BP network.Keywords：neural n

9、etwork; automobile engine; fauiagnosis; BP network; Elman network-II-工程科技学院毕业设计（）目录引 言1第 1 章 概述21.11.21.31.4概述2汽车发动机故障研究的现状和发展趋势2本的主要研究内容4研究的目的和意义5系统6汽车发动机智能故障第 2 章 发动机振动原理和2.1 汽车发动机的震动原理62.2系统7第 3 章 神经网络103.1 神经网络简介103.2 人工神经网络123.3 BP 神经网络163.4 ELMAN 神经网络233.5 神经网络在汽车发动机故障中的应用25第 4 章4.1. 27基于神经网络的

10、发动机智能故障. 27策略284.24.34.44.54.6神经网络故障样本集的设计和样本的预处理29基于 BP 网络的发动机故障. 31基于 ELMAN 网络的发动机故障. 35小结36结论与展望37致 谢38参考文献39附录 A 附录 B 附录 C一篇的外文文献及其译文40主要参考文献的摘要44主要程序46-III-：基于神经网络的汽车发动机智能故障研究插图3-13-23-34-14-24-3神经元模型17网络训练框图21ELMAN 网络结构27图图图图图图流程30发动机故障BP ELMAN结果35结果36-IV-工程科技学院毕业设计（）表格4-14 - 2的试验数据30表表废气排放与发动

11、机不同失火程度归一化后的数据表32 -V-工程科技学院毕业设计（）引言随着高新技术的发展，尤其是计算机技术的快速发展，为机械故障提供了新的生机。发动机作为一种常见的机械动力源，由于发动机结构复杂，工作条件差，因而故障率高。发动机的工况不仅影响着机器本身的运行，而且还会造成不必要的损失，严重会发生车毁人亡的事故川。在发动机不的情况下，若和排除准确地对其当前的运行状况做出，判明故障部位，指出故障，这无疑提高了机械使用的可靠性和安全性，同时也能减少了修理工作的盲目性，提高修理质量，缩短维修时间，降低修理费用。发动机在运行时产生的振动、冲击和噪声含有丰富的故障，是获取的重要来源，它能实时地反映发动机的

12、工作状态脚。发动机技术是以检测技术为基础，依靠现代化科学技术来确定汽车的运行状态，识别并分析汽车运行的故障，甚至预侧故障的一项综合技术。利用这项技术出来的故障与传统的人工排除故障有着本质的不同。它是在实验研究的基础上，借助现代的信号处理和人工智能技术，在发动机不的条件下进行故障，与传统的人工检验相比，它摆脱了人的影响，更加准确、快速、省力。因此对于发动机这样的来说，利用传感器技术、人工智能网络和计算机技术，开发一个智能系统具有十分重要意义。因此对于发动机这样的来说，利用传感器技术、人工智能网络和计算机技术，开发一个智能系统具有十分重要意义。目前，我们已经进入了，科学技术迅速发展，各种知识、各门

13、学科相互交融，新的边缘学科相继问世。与此同时汽车技术的发展也已经到了智能化的。再这样的背景下，汽车的故障检测与作为一门的科学研究方向登上了科学技术的舞台，对整个汽车工业带来的影响。由此我们可以看出，故障的检测与技术的研究对汽车工业的发展具有非常重要的意义。 人工神经网络同现有的与动态信号处理、为故障信号分析处理、故障模式识别、故障领域系统、模糊逻辑等技术相结合，知识的组织和推理等方面提供了一种新途径，并推动了故障的智能化。-1-：基于神经网络的汽车发动机智能故障研究第 1 章概述1.1 概述在科技高速发展的，汽车，已经成为人们必不可少的一种代步工具。至今，全球汽车保有量已经超过 9 亿辆。伴随

14、着汽车的不断增加，随之而来的汽车问题也应运而生。发动机是汽车的心脏和，它的好坏优劣以及工作情况将对汽车的性能、动力、以及产生直接的影响。但是，基于汽车发动机的结构复杂，零件细小，工作的环境十分恶劣，以及在汽车运行过出现故障最多等等特性，单纯依靠人工进行检查和维修，是很难达到要求的，也很难彻底的达到故障的要求。因此需要借助于专门的的研究，从而判别汽车发动机故障的仪器以及对发动机的技术状况进行和位置。利用计算机开发汽车发动机智能故障技术对发动机的故障进行能达到迅速准确的效果。因此，系统是十分重要的。大量资料和文献证明，发动机智能故障系统在未来的发展趋势为集成化，高精度化，智能化和网络化。我们所研究

15、的汽车发动机智能故障研究技术，就是在保证汽车的不或者部分的状况下，依靠先进的传感器技术和检测技术，通过对的发动机的动态进行各种分析、处理、区分、识别以及确认的正常与否。汽车发动机故障系统比人类更灵活也更可靠。并且不受到其他外界的地域及人为因素的影响。因此对于发动机这样的来说。利用传感器技术，人工智能网络和计算机技术，开发一个智能系统具有十分重要的意义。1.2 汽车发动机故障研究的现状和发展趋势1.2.1 国内外研究现状国外研究现状：资料表明，汽车发动机故障共分为 3 个大致的发展阶段。系统，从 20 世纪末至今，经历了长期的发展，总第一阶段是断咨询系统，这是咨询系统的开发，在八十年代初期，汽车

16、故障系统中出现了诊系统的最原始和初级形式。通过与计算机终端将资料传递给总公司的大型计算机，从而做出结果，并将其传送至维修站点的计算机终端；第二阶段是汽车故障系统的开发，从 85 年至 90 年初，随着技术的发展， 了新的任务，要求开发汽车发动机智能故障系统的重要性显著提高。系统能够更新功能，故障功能和自我保护功能。第三阶段是构造工具的开发，进入二十世纪九十年代，出现了系统工具的研究。汽车智能故障系统的功能与特点，简单的说就是“由计算机的知识，按照需要可以调用，即使初学者也能近似的如一样进行故障”。与其他的方式相比较，其具有智能化更强，效率性更高，更加化和网络化等诸多优点。东西方发达在汽车发动机

17、智能故障研究方面取得了很大的进展。其中以日本和欧美发达为代表：吸收别人的技术，开发出了具有特色的汽车发动机智能故障系统，其状中了相当一部分世界领先的技术，如对发动机进行不检测和，态，早期发现故障以及处理。尼桑公司研制了适用于其公司旗下的发动机集成-2-工程科技学院毕业设计（）系统的系统。德国大众和通用公司也研制了具有各自特色的汽车发动机故障系统，其中通用研制了发动机冷却系统噪声识别与系统，该系统能够通过领域和专业维修的经验，识别和发动机冷却系统中的主要噪声。国内研究现状： 我国正处于发展初级阶段，重工业起步较晚，虽然大力扶持，但是在60 年代之后，我国才开始研究汽车及其发动机故障检测技术。在起

18、步阶段，仅仅是由交通部门主持研制了一些简单的维修方面的级课题“汽车不。七十年代末，我国下达了第一个关于汽车检测技术”。它标志着我国汽车故障技术研究的开始，为汽车故障系统的研究提供了机会。七十年代末我国研制了汽车综合试验台，并开始研究和探索拖拉机发动机故障，这些仪器对于发展发动机诊断技术起到了一定的积极作用，但其原理比较简单、仅限于对发动机的某一局部环节进行，效果并不十分理想。水平有了新的提高，自 1980 年交通部自上世纪八十年代后，我国的汽车故障在大连建立第一个检测站后，汽车检测站作为检测技术的象征各地蓬勃发展。随着世界汽车技术日新月异、汽车检测技术水平的不断提高。八十年代后，我国的汽车诊断

19、研究主要集中在检测仪器上。同时今年来，各科研院校也纷纷对发动机技术展开研究。其中代表人物有吉林大学的，大学的，东北林业大学的邹长丰等等。这些研究工作对我国发动机智能技术的发展起到了很大促进和推动作用。目前，我国汽车检测生产厂家已超过 900 家，种类达 12000 个，年产值 40 多亿元，全国已建立各类汽车站 1500 个。一批具有高新技术的仪器研制并投入实用。这些都表明我国的汽车故障水平达到了一个新的高度，逐渐缩短了与国外的技术差距。尽管取得了如此的进展，我国的汽车技术水平与国外还着很大的差距，资料表明，这种差距主要于以下几点：汽车理论的基础研究善、不系统、不深入；自动化水平低；品种不齐全

20、，更新慢，技术含量低，附加值低；实用性差，知识库善，推理效率低，没有商业推广等等。这些都是在未来的研究和发展中，我国需要改进和不断提高的关键所在，只要不断努力和创新，我国的汽车故障展前景是非常广阔和光明的。和维修的发1.2.2 发展趋势汽车发动机智能故障技术自出现以来到现在，已经取得了明显的进步。随着社会的发展，科技的进步，发动机故障系统的引入成为现代汽车故障技术必定会上一个新的台阶，其中，智能故障的发展趋势。从长远意义来看，汽车发动机智能故障系统在向以下几个方面发展：（1）离线和在线相互结合，相互作用，形成一个整体；（2） 典型零部件的动力学模型和失效机理的研究，并以此作为故障基；（3） 知

21、识表示方式、搜索策略、解释机制、知识或区域管理等技术将进一步完善。的理论奠从而使得技术上升到一个新的高度；（4）在发动机设计、新型的传感器预先安装在发动机内部，为以后的诊断、维修提供了方便，避免了因间接测量带来的误差，也可省去大量复杂的信号处理过程。使得过程得以简化，结果更加精确。-3-：基于神经网络的汽车发动机智能故障研究（5）汽车检测实现网络化，提高了资源共享、硬件共享、共享水平。使得交流和更加方便和简洁；（6）发动机故障的智能化。在发动机故障领域中许多急需解决的问题，如寻找有效的学习算法。这些问题都需要在今后的工作中投入大量的研究工作。只有采用汽车发动机的智能故障系统，才能让技术和效率达

22、到一个新的台阶和高度，才真正实现了汽车技术的科技化，现代化以及化；（7）提高装置及系统的实用性、适用性、可靠性和标准化。这是国内故障诊断领域长期的问题，也是故障领域必将发展的趋势。在未来的研究工作中，只有在不断创新，拓宽思路，才能开辟汽车发动机智能故障的新的道路。必须人工神经网络同现有的与动态信号处理、技术相结合，为故障信号分析处理、故障模式识别、故障领域新的途径，并推动了故障的智能化。系统、模糊逻辑等知识的提供1.3 本的主要研究内容汽车发动机的故障技术作为一种交叉性学科领域的前沿学科，他与古典理论、现代 有密切的 新的理论与理论、可靠性理论、数理统计、模糊集理论、信号处理、人工智能等理论。

23、汽车发动机智能故障技术在过去的十几年里得到了飞速发展，一些，如:主元分析，遗传算法，小波变换，神经网络，模式识别，自适应理论，分形理论，非线性理论等都已经在这里得到了的应用。这些理论在实践中的应用，让我们知道了发动机故障获得的发展和进步，同时，也为我们提出了更高的要求，我们如何让这些理论更为我们的实践服务，使我们的故障水平更上一个台阶，这都是本文要研究和讨论的问题虽然上世纪中期至今，在基于知识的。系统方向做出了大量的努力，也获得了很大的进步。但是大量科学研究和文献表明，基于神经网络的相应算法还有待于进一步发展和提高。为了达到更高的精确化、化、和智能化程度，我们需要在神经网络机器相应学科上进一步

24、融合和。在本文中，将会从提高汽车发动机故障的精度和可靠性出发，将神经网络技术应用到故障中来。并叙述神经网络的模式、神经网络的学习算法、人工神经网络和神经网络的工具箱。结合神经网络的发展和特点，阐明神经网络是一种全新的、有前景的故障论依据，将神经网络运用到汽车发动机智能故障。阐述神经网络系统故障的理系统中去，在 windows 平台上以为数据处理，运用面向对象的程序开发编程语言。以为主要的数值和分析对于所建模型进行训练与，来证明建造的模型是正确的，以证明结果的正确性，以此说明其能够应用于世纪的故障。在此同时，建立基于 BP 网络、基于 ELMAN 网络的研究，并对发动机气缸的工作状态进行故障，B

25、P 和 ELMAN 神经网络在实际应用中可以通过许多典型故障样本的学习实现，并且实现步骤简单方便，准确性高。根据其内在理论并结合汽车发动机的故障实例来分析如何进行基于神经网络的汽车发动机智能故障系统，并能够应用于世纪的故障。对比了这两种神经网络故障的不同和在效果上达到的目标。最后，对主要的研究工作和发展方向，对未来的工作和结果加以总结，并提出了有待进一步研究的问题和提出一些可行性意见。-4-工程科技学院毕业设计（）1.4 汽车发动机智能故障研究的目的和意义在科技高速发展的，汽车的种类、车型和数量与日俱增，汽车保有量为年递增10，汽车已发展成为由电脑、几百个传感器组成，具有计算机网络技术、光纤传

26、导技术、液力伺服传动技术、数字通讯技术、新材料技术等一体的高科技集成物；动力性、性、安全性、可靠性、舒适性等方面已进入智能化。面对现代高科技一体系统的引入成为现代汽的现代汽车，传统的维修技术遇到了空前的。当前故障车故障的发展趋势，但已开发的车辆故障系统的推理机制大多是以单一推理方法为主，很难适应汽车故障的复杂性、多变性。究其是由于相关领域的缺研究少和低层次的重复建设过多所致。在这种背景和前提下，汽车发动机智能故障的目的和意义也就不言而喻了，其迫切性也显得非常重要。只有建立基于神经网络的汽车发动机智能故障系统，技术才能真正的实现值得和。才能真正的达到现代化故障技术的要求，实现与时俱进。将神经网络

27、及其算法应用于系统中，构造了一种新的神经网络模型，克服了传统系统的诸多局限性，有利于智能技术的推广和应用。振动信号的提取具有简单易行、检测安装方便的优点。在发动机不的情况下， 和排除故障的准确地对其当前，提高汽车使用的技术状况做出，判明故障部位，指出故障的可靠性和安全性，同时也能减少修理工作的盲目性、提高修理质量、缩短维修时间和降低修理费用，大大提高了汽车发动机智能故障在现在和未来的研究和努力中，发动机故障的效率。系统是将神经网络与系统结合在一起，克服传统地应用于故障系统和神经网络各自的缺点，使二者融合在一起从而能更好领域。有利于提高技术的准确性和科学性，使汽车故障水平技真正达到级别，同时丰富

28、和完善了汽车故障体系，有利于推动汽车故障术的发展。只有两者结合，才能真正的达到智能故障跃。水平的要求，才能实现新的飞-5-：基于神经网络的汽车发动机智能故障研究第 2 章 发动机振动原理和系统2.1 汽车发动机的震动原理发动机是汽车的心脏部分，但是汽车发动机却是一个十分复杂的机械系统，发动机的振动和噪声反映其零部件的运行状态，因此振动和噪声信号是发动机状态和故障征兆的良好载体。通过对发动机的振动和噪声信号的观察，我们可以了解汽车发动机的工作状态。一些维修已经通过振动和噪声对其工作状态进行，但是性较强，缺少严密的理论分析，正确率低。随着计算机技术、信号处理和振动测试技术的发展，为利用发动机振动信

29、号准确、快速地论基础。汽车发动机等机械的故障准备了理汽车发动机是本振动可以表达为：研究的，汽车发动机的结构为线性定常系统，系统的M ìX ü + CìX ü + K ìX ü = ìq ü（2-1）í ýí ýí ýí ýî þî þî þî þ在公式中： M 代表系统的质量矩阵X代表响应的度向量C阻尼矩阵X为速度向量K 度矩阵X为振动响应的位移向量q为产生

30、发动机机体振动的激振力向量机机体表面振动的激励源主要有缸内气体、活塞横向冲击、气体和活塞往复惯性力通过连杆、曲轴而产生的周期性激励力以及曲轴本身惯性等产生的激励、气门机构冲击、其它附属机构激励及若干随机激励。从激起机结构振动响大类。要是由气体压缩应的作用角度来说，上述激励作用可分为缸内燃烧气体力和机械燃烧气体激励作用：在不发生燃烧时，汽车发动机气缸内气体形成，这时气体力和往复惯性力的合力产生的周期性激励，它在频谱上的表现主要是低频成分。当燃烧发生时，在上止点附近，由压缩和燃烧使缸内气体急剧升高，极大的升高率包含激励的高频成分，能够激起固有频率较高的零部件的振动。在发动机运行过，燃烧发生的时间很

31、短，燃烧激励的作用范围大约在上止点附近 60 度曲轴转角的区域。活塞横向撞击激励：在引起机体结构振动的机械力激励中，影响最显著的是活塞的横向撞击力。活塞的横向和摇摆对缸套产生冲击并引起缸套的振动。引起活塞摇摆的是曲柄连杆机构侧换向。活塞对气缸套内壁的侧作用在连杆的摆动平面-6-工程科技学院毕业设计（）内，为非轴对称作用力。活塞在缸套内的横向摆动总共有六种形态。讨论发动机的工作原理，可知，活塞对气缸套内壁的冲击与活塞与气缸套内壁的间隙、发动机曲轴转速、往复惯性质量以及活塞侧换向的时刻有关。我们的研究也是通过对激起汽车发动机振动响应的的主要激励作用的分析获得，发动机的激励要是冲击作用，并且其频率范

32、围很宽。众所周知，系统响的输入激励是直接相关的。发动机的零部件在宽频带冲击作用下，以各自的动态响应特性振动，这些振动信号大都会通过各种途径传递到发动机机体上。因而通过对发动机机体振动响应信号的分析，可以了解活塞与气缸套间隙、燃烧情况等发动机工作状态，可以对发动机故障进行了。2.2系统系统是人工智能应用研究最活跃和最广泛的课题之一。系统是一个智能计算机程序系统，其内部的某个领域水平的知识与经验，能够利用人类的知识和解决问题的来处理该领域问题。也就是说，系统是一个具有大量的专门知识与经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个提供的知识和经验，进行推理和，模拟人类的决策过程

33、，以便解决那些需要人类处理的复杂问题，简而言之，系统是一种模拟人类解决领域问题的计算机程序系统。系统是人工智能中最重要的也是最活跃的一个应用领域，它实现了人工智能从理论研究实际应用、从推理策略探讨转向运用专门知识的。20 世纪 60 年代初，出现了运用逻辑学和模拟心理活动的一些通用问题求解程序，它们可以证明定理和进行逻辑推理。但是这些通用无法解决大的实际问题，很难把实际问题改造成适合于计算机解决的形式，并且对于解题所需的巨大的搜索空间也难于处理。1965 年，等人在总结通用问题求解系统的与失败经验的基础上，结合化学领域的专门知识，研制了世界上第一个系统，可以推断化学分子结构。20 多年来，知识

34、工程的研究，系统的理论和技术不断发展，应用渗透到几乎各个领域，化学、数学、物理、生物、医学、农业、气象、地质勘探、军事、工程技术、法律、商业、空间技术、自动、计算机设计和等众多领域，开发了几千个的系统，其中不少在功能上已达到，甚至超过同领域中人类的水平，并在实际应用中产生了巨大的效益。2.2.1系统的类型和特点系统的发展已经历了 3 个阶段，正向第四代过渡和发展。第一代系统（dendral、macsyma 等）以高度专业化、求解专门问题的能力强为特点。但在体系结构的完整性、可移植性等方面缺陷，求解问题的能力弱。第二代系统（mycin、casnet、prospector、hearsay 等）属单

35、学科专业型、应用型系统，其体系结构较完整，移植性方面也有所取技术、不确定推理技术、增强，而且在系统的人机接口、解释机制、知识获系统的知识表示和推理的启发性、通用性等方面都有所改进。第三代综合采用各种知识表示系统属多学科综合型系统，采用多种人工智能语言，和多种推理机制及策略，并开始运用各种知识工程语言、骨架系统及系统开发工具和环境来研制大型综合系统。在总结前三代系统的设计和实现技术的基础上，已开始采用大型多协、多-7-：基于神经网络的汽车发动机智能故障研究种知识表示、综合知识库、自组织解题机制、多学科协同解题与并行推理、系统工具与环境、人工神经网络知识获取及学习机制等最新人工智能技术来实现具有多

36、知识库、多主体的第四代系统。通常，可以按应用领域、知识表示对系统可以按不同的、型、诊策略、任务类型等。如按任务类型来划分，常见的有解释型、断型、调试型、维护型、规划型、设计型、监督型、型、教育型等。系统（Expert System for Diagnosis），其任务是根本中的系统属于据观察到的情况（通常为数据）来出机能失常的某个对象，即故障的。现在，系统在各个领域获得广泛的应用。这种系统能够知道被的对象各组成部分的性质和，区分一种现象及其所掩盖的另一种现象，向用户提出测量的数据，并且具有从不确切系统的优点：中得出尽可能正确的功能。（1）系统具有启发性、透明性和灵活性的特点。系统能够运用的知识

37、和经验进行推理、及决策，能够解释本身的推理过程和回答用户提出的问题，能够不断地增长知识，修改原有知识，不断更新。因此，它具有十分广泛的应用领域。（2）系统像人那样容易疲劳、遗忘，它能够高效、准确、周到、迅速和不知疲倦地工作。（3）系统不受时间和空间的限制。因为系统是一个计算机智能程序， 系统在解决实际问题时不受时所以它可以长时间保存且能拷贝多个副本，使得间和空间的影响。（4） 忘记。系统像人那样容易受环境、情绪等因素的影响，也不可能遗漏2.2.2系统的结构系统与传统的计算机程序系统有着完全不同的体系结构，通常它由知识库、推理机、综合数据库、知识获取机制、解释机制和人机接口等几个基本的、独立的部

38、分所组成，其中尤以知识库与推理机相互分离而别具特色。系统的体系结构随系统的类型、功能和规模的不同，而有所差异。（1）人机接口人机接口是人交流的媒介，它的功能是识别与解释用户提供令、问题和数据等，并把这些转化的内部表示形式。另一方面，接口也将系统向用户提出的问题、得出的结果和做出的解释以易于用户理解的形式提供给用户。（2）知识库知识库是系统第一个重要组成部分，它是领域知识的器。那些从在知识那里得到的关于某领域的专门知识、经验和书本知识、常识都，这些知识应该具有可用性、确实性和完善性，它两部分内容，一部分是已知的同当前问题有关的数据，另一部分是进行推理时要用到的知识和领域知识，这些知识大多以规则、

39、网络和过程等形式表示。（3）推理机推理机是实现推理的一组计算机程序，目的是用于、协调整个系统的工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索现成的用的推理方式有正向推理、反向推理和正反向混合推理三种。常-8-工程科技学院毕业设计（）（4）综合数据库（又称全局数据库）综合数据库用于领域或问题的初始数据和推理过得到的中间数据，即要处理对象的一些当前证据事实。（5）解释器解释器也是一组计算机程序，它向用户解释系统的行为，解释推理结论的正确性和系统输出其它候选解的（6）知识库管理系统知识库管理系统是知识库的支撑据库管理系统对数据库的作用，其功能。知识库管理系统对知识库的作用，类似于数知识

40、库的建立、删除、重组；知识的获取、一致性、冗余性和完整性检查等。维护、更新；以及对知识的检查，为了使计算机能运用的领域知识，必须要采用一定的方式表示知识 。目前常用的知识表示方式有产生式规则、语义网络、框架、状态空间、逻辑模式、脚本、过程、面向对象等。基于规则的产生式系统是目前实现知识运用最基本的。产生式系统由综合数据库、知识库和推理机 3 个主要部分组成，综合数据库包含求解问题的世界范围内的事实和断言。推理机的任务是运用策略找到可以应用的规则。正向链的策略是寻找出前提可以同数据库中的事实或断言相匹配的那些规则，并运用的消除策略，从这些都可满足的规则中挑选出一个执行，从而改变原来数据库的内容。

41、这样反复地进行寻找，直到数据库的事实与目标一致即找到解答， 或者到没有规则可以与之匹配时才停止。逆向链的策略是从选定的目标出发，寻找执行后果可以达到目标的规则；如果这条规则的前提与数据库中的事实相匹配，问题就得到解决；否则把这条规则的前提作为新的子目标，并对新的子目标寻找可以运用的规则，执行逆向序列的前提，直到最后运用的规则的前提可以与数据库中的事实相匹配，或者直到没有规则再可以应用时，系统便以输入必需的事实。形式请求用户回答并在了解和掌握了系统的概念、类型、优点和结构之后，我们应当讲神经网络和统。系统结合起来，从而实现基于神经网络的汽车发动机智能故障研究系-9-：基于神经网络的汽车发动机智能

42、故障研究第 3 章 神经网络3.1 神经网络简介3.1.1 神经网络的定义神经网络是：思维学普遍认为，人类大脑的思维分为抽象（逻辑）思维、形象（直观）思维和灵感（顿悟）思维三种基本方式。逻辑性的思维是指根据逻辑规则进行推理的过程；它先将化成概念，并用符号表示，然后，根据符号运算按串行模式进行逻辑推理；这一过程可以写成串行的指令，让计算机执行。，直观性的思维是将分布式的综合起来，结果是忽然间产生想法或解决问题的办法。这种思维方式的根本之点在于以下两点:1.是通过神经元上的兴奋模式分布网络上;2.处理是通过神经元之间同时相互作用的动态过程来完成的。人工神经网络就是模拟人思维的第二种方式。这是一个非

43、线性动，其特色在于的分布式和并行协同处理。虽然单个神经元的结构极其简单，功能有限，但大量神经元的网络系统所能实现的行为却是极其丰富多彩的。神经网络的研究内容相当广泛，反映了多学科交叉技术领域的特点。目前，主要的研究工作集中在以下几个方面：（1） 生物原型研究。从生理学、心理学、解剖学、脑科学、病理学等生物科学方面研究神经细胞、神经网络、神经系统的生物原型结构及其功能机理。（2） 建立理论模型。根据生物原型的研究，建立神经元、神经网络的理论模型。其中概念模型、知识模型、物理化学模型、数学模型等。（3）网络模型与算法研究。在理论模型研究的基础上构作具体的神经网络模型，以实现计算机馍拟或准备制作硬件

44、， 术模型研究。网络学习算法的研究。这方面的工作也称为技（4）人工神经网络应用系统。在网络模型与算法研究的基础上，利用人工神经网络组成实际的应用系统，例如，完成某种信号处理或模式识别的功能、构作系统、制成等等。纵观当代新兴科学技术的发展历史，人类在征服宇宙空间、基本粒子，生命起源等科学技术领域的进历经了崎岖不平的道路。我们也会看到，探索人脑功能和神经网络的研究将伴随着重重的克服而日新月异。3.1.2 神经网络的由于网络的连接模型、输入的离散性或连续性、有无监督训练、神经元的动态特性等的不同，相应的学习算法也不同。因此，网络是根据网络静态可表示为下述输入树。的类型和学习算法中有无监督训练来进行的

45、。这种首先，网络按其不同类型的输入值可分为二进制值输入和连续值输入的网络，显然输入值为二进制的网络只能用于离散的处理，而连续值输入的网络却可以处理各种。其次，神经网络按有无监督分为两类:有监督训练和无监督训练网络。有监督学习算法要求同时给出输入和正确的输出。网络根据当前输出与所要求的目标输出之差来进行网络调整，使网络作出正确的反映。无监督学习算法只需给-10-工程科技学院毕业设计（）出一组输入，网络能够逐渐演变对输入的某种模式作出特定的反映。即训练样本中只有输入矢量，神经网络靠比较各输入矢量之间的来调整，从而将训练样本中输入矢量之间的到网络的，以实现联想记忆或数据压缩的功能。人脑是一个典型的无

46、监督训练。由于这类网络没有输出矢量，所以不能用于模拟函数。从神经网络的基本连接模式看，主要有以下几种类型:前馈型、反馈型、自组织型及随机型网络。前馈型网络：网络中的神经元是分层排列的，每个神经元只与前一层的神经元相连接。最上一层为输出层，隐含层的层数可以是一层或多层。前向网络在神经网络中应用很广泛， BP 网络及 RBF 网络就属于这种类型。反馈型网络：网络从输出到输入有反馈的前向网络，其本身是前一种不同的是从输出到输入有反馈回路。hopfield 网络就属于这种类型。的，与前自组织型网络：网络中层内神经元之间的相互连接，可以实现同一层神经元之间横向抑制或兴奋的机制，从而限制层内能同时动作的神

47、经数，或者把理工大学层内神经元分为若干组，让每组作为一个整体来动作。ART 网络就属于这种类型。随机型网络：又分为局部互连和全互连两种。全互连网络中的每个神经元都与其他神经元相连。局部互连是指互连只是局部的，有些神经元之间没有连接例如 Boltzmann 机属于互连网络的类型。3.1.3 神经网络的发展神经网络的研究已有 60 多年的历史了，早在 1943 年就有科学家提出了兴奋与抑制型神经元模型和 Hebb 提出的神经元连接强度的修改规则，开创了神经科学理;1958 年，F.Rosenblatt 首次引入了模拟人脑感知和学习能力的感知器论研究的概念，引起了人们的注意：1962 年又提出了自适

48、应线性元件，具有自适应学习功能， 在信号处理、模式识别等方面受到了普遍重视和应用。在上述的数学模拟理论发展的同时，还出现了利用器件进行模拟的金属老鼠、条件概率机的龟模型，以及会下棋的等，形成了脑模拟研究的第一个，在这期间，神经网络大上发表了著名的“hopfield”模多是单层线性网络。1982 年，科学院的型理论，这是一个非线性动力系统的理论模型，引起了各国学者的关注，并力图将这一数学模型进行学或光学的硬件实现，这就形成了一大批人工神经网络研究队伍。1984 年，sejnowski 与其合作者 Hinton 提出了大规模并行网络学习机，并明确的提出隐单元的概念。这种学习机后来称为 BOltzm

49、ann 机； K.Fukushima 在Rosenblatt 的知觉器网络基础上增加了隐层，了多层认知器，实现了可塑的反馈和更为普遍的前馈;J.Anderson 提出了 BSB 模型；之后又提出了联想记忆网络，为以后的发展奠定了坚实的基础。1987 年 IEEE 召开了大规模的神经网络国际学术会议，从此掀起了研究神经网络的第二次。目前神经网络的研究主要包括多层网络 BP 算法，hopfield 网络模型，自适应共振理论，自组织特征神经网络理论的应用取得了令人瞩目的进展，特别是在人工智能、自动理论等。、计算科学 应用。处理、模式识别、CAD/CAM、机械故障等方面都有的-11-：基于神经网络的汽

50、车发动机智能故障研究3.2 人工神经网络人工神经网络（Artificial Neural Networks, ANN），一种模仿动物神经网络行为特征，进行分布式并行处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的，从而达到处理的目的。人工神经网络具有自学习和自适应的能力，可以通过预先提供的一批相互对应的输入输出数据，分析掌握两者之间潜在的规律，最终根据这些规律，用新的输入数据来推算输出结果，这种学习分析的过程被称为“训练”。3.2.1 人工神经网络概述以及应用人工神经网络的概念：由大量处理单元互联组成的非线性、自适应处理系统。它是在现代神经科学研究成果的基础上

51、提出的，试图通过模拟大脑神经网络处理、记忆的方式进行处理。人工神经网络具有四个基本特征：（1）非线性 非线性是自然界的普遍特性。大脑的智慧就是一种非线性现象。人工神经元处于激活或抑制二种不同的状态，这种行为在数学上表现为一种非线性关系。具有阈值的神经元的网络具有更性能，可以提高容错性和容量。（2）非局限性 一个神经网络通常由多个神经连接而成。一个系统的整体行为不仅取决于单个神经元的特征，而且可能主要由单元之间的相互作用、相互连接所决定。通过单元之间的大量连接模拟大脑的非局限性。联想记忆是非局限性的典型例子。（3）非常定性 人工神经网络具有自适应、自组织、自学习能力。神经网络不但处理的可以有各种

52、变化，而且在处理的同时，非线性动力系统本身也在不断变化。经常采用迭代过程描写动力系统的演化过程。（4）非凸性 一个系统的演化方向，在一定条件下将取决于某个特定的状态函数。例如能量函数，它的极值相应于系统比较的状态。非凸性是指这种函数有多个极值，故系统具有多个较的平衡态，这将导致系统演化的多样性。人工神经网络中，神经元处理单元可表示不同的对象，例如特征、字母、概念，或者一些有意义的抽象模式。网络中处理单元的类型分为三类：输入单元、输出单元和隐单元。输入单元接受外部世界的信号与数据；输出单元实现系统处理结果的输出；隐单元是处在输入和输出单元之间，不能由系统外部观察的单元。神经元间的连接反映了单元间的连接强度，的表示和处理体现在网络处理单元的连接中。人工神经网络是一种非程序化、适应性、大脑风格的处理，其本质是通过网络的变换和动力学行为得到一种并行分布式的处理功能，并在不同程度和层次上模仿人脑神经系统的处理功能。它是涉及神经科学、思维科学、人工智能、计算机科学等多个领域的交叉学科。人工神经网络是并行分布式系统，采