周学伟

摘 要在介绍人工神经网络基本原理和反向传播（BP）算法理论的基础上，研究了改进的BP算法在发动机故障诊断方面的应用，给出了发动机故障诊断样本的一个实例训练过程及测试结果，最后通过误差分析，证实了这种方法在发动机的故障诊断方面能够取得比较好的效果，可以为汽车维修人员提供可靠地的故障诊断参考，减少重复劳动，减轻工作强度，有一定的实用性。

【关键词】人工神经网络 BP算法 故障诊断 发动机

近年来，汽车越来越多地出现在普通百姓家庭。发动机系统是汽车的心脏，大部分零件处于高温、高压的工作环境且处在高速运动当中，设备复杂、参数多，其故障的发生率高，诊断起来困难繁琐，本文针对这一问题，在掌握发动机运行流程后，引入了BP神经网络故障诊断方法，并适当改进，测试结果表明，该方法可靠有效实用。

3 自适应BP网络实例应用

3.1 网络输入输出向量及参数的选取

由汽车维修专家提供典型发动机系统故障现象及相应的故障原因实例作为训练样本。以故障类型X=（x1，x2，x3，x4）作为输入，故障原因R=（r1，r2，…，r12）作为输出，建立故障模式与故障原因之间的映射关系。如表1所示。

3.2 网络的创建、训练与检验

按照样本的模式对，确定输入层节点个数为4，输出层节点个数为12。输出节点值的大小反映了故障出现的可能程度。而隐含层节点的个数可参照经验公式选取：其中为输出节点数，n为输入节点数，为1至10的常数。

将故障类型及原因分析表中的文字描述进行转换并编码，就得到样本训练表，如表2所示。……