神经网络技术用于发动机故障诊断的研究

结合专家系统与模糊神经网络两种人工智能技术，通过对汽车发动机废气中ＨＣ、ＣＯ、ＣＯ２和Ｏ２含量的分析进行故障推理和诊断。专家系统与神经网络主要采用串型连接，由神经网络模块进行故障分类，再经专家系统给出解释并进一步推理，得到具体的诊断结果，从而实现发动机常见故障的快速、准确和智能化的诊断。

神经网络和专家系统在汽车发动机故障诊断中的应用研究

运用神经网络与专家系统两种人工智能技术,通过对汽车发动机废气中CO,HC,CO2和O2含量的分析进行故障推理和诊断。神经网络与专家系统主要采用串行连接,用神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化诊断。

基于神经网络的汽油机故障诊断的专家系统

汽油发动机出现故障的机率较高 ,一般占整车故障的 40 %左右 .研究汽油发动机故障诊断专家系统 ,可以及时准确地对发动机技术状况做出判断 ,指导调整其技术状态 ,这无疑增加了汽车使用的可靠性、经济性和安全性 .人工神经网络是基于数值计算的知识处理系统 .针对传统专家系统在处理故障诊断中的不足 ,提出了将人工神经网络技术与专家系统融合的模型 ,并将此模型应用到汽油机故障诊断中 .

多媒体技术在汽油发动机故障诊断专家系统中的应用

针对汽油发动机的特点 ,分析了发动机的故障状况 ,并结合多媒体发展现状 ,阐述了多媒体技术在故障诊断中的应用前景 ,以及多媒体技术在汽油发动机故障诊断系统中应用的实现过程 .利用多媒体技术能提高系统的直观性、简洁性 ;提高人机交互能力 .

专家系统与神经网络相结合的汽油机故障诊断系统

通过人工神经网络与专家系统的结合，用TurboProlog和TurboC语言在微机上开发了汽油发动机故障诊断系统。其特点是利用人工神经网络浅层模块进行浅层推理，再进入深层专家系统进一步确诊，并以神经网络来完成自学习功能。

汽油发动机故障诊断专家系统

应用人工智能专家系统原理，用ＴｕｒｂｏＣ和ＴｕｒｂｏＰｒｏｌｏｇ语言在微机上开发了汽油发动机故障诊断专家系统。该系统采用逆向推理为主导的推理方式，具有启发式的故障诊断能力，能大大提高发动机故障诊断效率和准确率，并可作为故障诊断的辅助教学软件。该系统拓展性好，可作为类似系统的开发工具。

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。