基于改進的小波神經網絡的汽車電控汽油機故障診斷

3 汽車電控汽油機故障類型識別網絡的仿真與測試
3．1 樣本的提取
由于電控汽油機規格品種繁多且系統結構復雜，因此，汽油機的故障也多種多樣。本文選取了11種有代表性的電控汽油機的故障現象，和與其對應的11種有代表性的故障原因分別為如表l所示：

3．2 網絡的訓練
用于汽車電控汽油機故障診斷的改進的小波網絡的輸入層有11個節點，對應與11種故障現象；輸出層有11個節點，對應于11種故障原因。經過多次反復的試驗，隱含層選擇15個神經元即可滿足誤差要求。
小波網絡的訓練參數：最大訓練次數、目標誤差、學習步長，動量系數分別選為：3000、O．00l、0．1、0．2。
本文分別有BP神經網絡，未改進的小波神經網絡和改進的小波神經網絡度樣本進行了訓練，網絡訓練的誤差曲線分別為圖2、圖3、圖4。我們可以看出BP網絡需要560步才能達到滿足要求的誤差，未改進的小波神經網絡需要68步就能達到滿足要求的誤差，而改進的小波神經網絡只需28步就能達到滿足要求的誤差。因此，可以得出改進的小波神經網絡具有更強的逼近能力、網絡學習收斂速度加快、能有效避免局部最小值問題等優點。

4 結束語
本文對小波神經網絡提出了兩個方面的改進并將其應用于汽車電控汽油機故障診斷中。仿真結果表明：此改進的小波神經網絡算法進行汽車電控汽油機的故障是有效的，而且與傳統的BP神經網絡相比，該改進的小波神經網絡具有更強的逼近能力，更快的網絡學習收斂速度。并且參數的選取有理論指導，能夠有效避免局部最小值問題。