1、“.....技学院教师,主要从事智能检测与控制技术研究传递函数选择对人工神经网络进行训练本质上就是学习训练其两组网络参数隐含层节点中心网络的宽度以及隐含层节点数目隐含层到输出层的连接权值。径向基函数的训练本文选用均值法,该法对输入样本人工神经网络计算的预测值与速度传感器实测值的偏差超过误差阈值,为避免系统因系统噪声引起误判,此时故障诊断模块并不发出故障诊断信号,将神经网络预测值替代实测值更新网络,进行下时刻故障诊断,两次预测平均误差超过误差阈值,则认为确实有故障发图人工神经网络训练图根据速度传感器几种主要故障现象,本文对卡死故障现象进行仿真并测试通过人工神经网络对速度传感器在线诊断的有效性。本文以中的工况进行障仿真,其故障现象表现为电动汽车速度值在时刻开始保电动汽车电机速度传感器故障诊断研究原稿不确定性,难以对其建立精准的数学模型......”。

2、“.....考虑到电动汽车行驶路况的复杂性和不确定性,本文选用在线故障诊断的方法对电动汽车速度传感器进行故障诊断。人工神经网络预测速度传感器的采集输出,这种方法是分析。传递函数选择对人工神经网络进行训练本质上就是学习训练其两组网络参数隐含层节点中心网络的宽度以及隐含层节点数目隐含层到输出层的连接权值。径向基函数的训练本文选用均值法,该法对输入样本集合的类别数预先进行估计,将其作为隐含层感器的输出值进行实时监测,当电动汽车电机驱动系统速度传感器突然出现故障时,会输出相应的故障诊断信号,系统根据故障诊断信号,就可以判定系统中的速度传感器是否出现故障。目前绝大多电机驱动系统由于自身强稱合特性运行过程中参数变化以及电动汽车运行工况法中的值,即需要明确通过人工神经网络对速度传感器输出值进行预测与前几个采集值有关系。的选值应该使该法误差较小......”。

3、“.....通过美国可再生能源实验室高的诊断准确率。考虑到电动汽车行驶路况的复杂性和不确定性,本文选用在线故障诊断的方法对电动汽车速度传感器进行故障诊断。人工神经网络预测速度传感器的采集输出,这种方法是基于神经网络对电动汽车速度建立预测模型,选择前几个时刻速度传感器的实测开发的汽车仿真软件,高级车辆仿真器中的路况数据对的值进行选定。在研究中选用了和这种工况对不同的值产生的均方差进行在线故障诊断情况下,神经网络与电机驱动系统直接相连,神经网络可以自动获得速度传感器的输出值,然后由神经网络内部自组织自学习以判定故障信息及现象。通过此法神经网络对速度传感器的输出值进行实时监测,当电动汽车电机驱动系统速度传感器突然出现故障时,并对数据进行相关性分析,选择对神经网络输出产生影响的数据,最终确定特征向量的维度......”。

4、“.....离线故障诊断方法建立的数学模基于人工神经网络建立的速度传感器故障诊断方法目前基于人工神经网络建立的速度传感器故障诊断方法分为离线故障诊断和在线故障诊断两种方法。离线故障诊断方法建立的数学模型结构固定不变,预先设定好神经网络输出层的操作过程,这样的学习过程和诊断方法决定其的节点数,以输入矢量作为径向基函数中心值,然后调整中心值。可以通过各种最小乘法,以求解线性方程组的方法计算隐含层到输出层的线性连接权值。本文选用般的最小乘法求解网络隐含层到输出层的线性连接权值。电动汽车电机速度传感器故障诊断研究原稿开发的汽车仿真软件,高级车辆仿真器中的路况数据对的值进行选定。在研究中选用了和这种工况对不同的值产生的均方差进行不确定性,难以对其建立精准的数学模型,采用在线故障诊断的方法可以保证较高的诊断准确率......”。

5、“.....本文选用在线故障诊断的方法对电动汽车速度传感器进行故障诊断。人工神经网络预测速度传感器的采集输出,这种方法是和这种工况对不同的值产生的均方差进行分析。在线故障诊断情况下,神经网络与电机驱动系统直接相连,神经网络可以自动获得速度传感器的输出值,然后由神经网络内部自组织自学习以判定故障信息及现象。通过此法神经网络对速度传电动汽车电机速度传感器故障诊断研究原稿型结构固定不变,预先设定好神经网络输出层的操作过程,这样的学习过程和诊断方法决定其只适用于工作状态是有规律可重复再现的被控目标。对于结构和参数固定,且在线输出操作可以预判的系统,可采用离线故障诊断方法。电动汽车电机速度传感器故障诊断研究原稿不确定性,难以对其建立精准的数学模型,采用在线故障诊断的方法可以保证较高的诊断准确率。考虑到电动汽车行驶路况的复杂性和不确定性......”。

6、“.....人工神经网络预测速度传感器的采集输出,这种方法是层之间传递函数的选择对人工神经网络的性能会产生很大的影响,下面对其进行探讨。输入层及输出层节点选择神经网络输入信号数据源的维度或输入特征向量的维度决定了其输入层节点的数目。在确定输入层节点数目时应当全面收集被测系统的样本特性数据,度传感器故障诊断仿真根据前文介绍的速度传感器的故障诊断方法,需要确定该法中的值,即需要明确通过人工神经网络对速度传感器输出值进行预测与前几个采集值有关系。的选值应该使该法误差较小,但又不会造成计算量过大。通过美国可再生能源实验室只适用于工作状态是有规律可重复再现的被控目标。对于结构和参数固定,且在线输出操作可以预判的系统,可采用离线故障诊断方法。电动汽车电机速度传感器故障诊断研究原稿。速度传感器故障诊断仿真研究及分析在人工神经网络中,各层节点数目的多少以及开发的汽车仿真软件......”。

7、“.....在研究中选用了和这种工况对不同的值产生的均方差进行基于神经网络对电动汽车速度建立预测模型,选择前几个时刻速度传感器的实测输出作为神经网络的输入向量并建立学习样本,速度传感器输出的当前时刻预测值作为神经网络的输出。基于神经网络预测值与速度传感器实际输出值建立残差序列,设定误差阈值进行故障诊断。感器的输出值进行实时监测,当电动汽车电机驱动系统速度传感器突然出现故障时,会输出相应的故障诊断信号,系统根据故障诊断信号,就可以判定系统中的速度传感器是否出现故障。目前绝大多电机驱动系统由于自身强稱合特性运行过程中参数变化以及电动汽车运行工况,会输出相应的故障诊断信号,系统根据故障诊断信号,就可以判定系统中的速度传感器是否出现故障。目前绝大多电机驱动系统由于自身强稱合特性运行过程中参数变化以及电动汽车运行工况的不确定性,难以对其建立精准的数学模型......”。

8、“.....高级车辆仿真器中的路况数据对的值进行选定。在研究中选用了电动汽车电机速度传感器故障诊断研究原稿不确定性,难以对其建立精准的数学模型,采用在线故障诊断的方法可以保证较高的诊断准确率。考虑到电动汽车行驶路况的复杂性和不确定性,本文选用在线故障诊断的方法对电动汽车速度传感器进行故障诊断。人工神经网络预测速度传感器的采集输出,这种方法是集合的类别数预先进行估计,将其作为隐含层的节点数,以输入矢量作为径向基函数中心值,然后调整中心值。可以通过各种最小乘法,以求解线性方程组的方法计算隐含层到输出层的线性连接权值。本文选用般的最小乘法求解网络隐含层到输出层的线性连接权值。速感器的输出值进行实时监测,当电动汽车电机驱动系统速度传感器突然出现故障时,会输出相应的故障诊断信号,系统根据故障诊断信号,就可以判定系统中的速度传感器是否出现故障......”。

9、“.....由下图可见此时速度传感器故障诊断模块发出故障诊断信号。由此可知,本文根据人工神经网络对电动汽车电机驱动系统速度传感器在线故障诊断的方法行之有效。在速度传感器出现故障时,该法可以及时准确的发出故障诊断信号。作者简介冯枫,男,硕士,潍坊科持恒定不变。根据时的均方差设臵故障阈值为,其仿真结果如图所示。图转速卡死故障诊断仿真由图可见,在中的工况下,山速度传感器采集的电机转速实测值,在时设臵速度传感器卡死故障,速度传感器采集值保持不变,由的节点数,以输入矢量作为径向基函数中心值,然后调整中心值。可以通过各种最小乘法,以求解线性方程组的方法计算隐含层到输出层的线性连接权值。本文选用般的最小乘法求解网络隐含层到输出层的线性连接权值。电动汽车电机速度传感器故障诊断研究原稿开发的汽车仿真软件......”。