基于GA-BP的汽车发动机点火系统故障诊断模型设计开题报告

1. 研究目的与意义

在汽车点火示波器诊断方法基础之上，提出了基于GA-BP模型的点火系统故障诊断的人工智能方法，弱化人为分析因素，实现点火系故障的自动识别。将汽车点火示波器作为釆集模块，采集次级点火电压波形并提取故障特征值，作为BP神经网络的输入向量，故障模式为输出。对点火系统故障波形进行了深入分析，建立了故障模式与故障特征值之间的非线性关系。从模式识别的角度，应用BP神经网络作为分类器对汽车点火系统的故障模式进行分类，得出故障结论。

由于BP神经网络有着局部极小值的弊端，为了能够克服这一缺点，本文通过遗传算法来优化网络。利用GA算法全局搜索的优点，对BP神经网络的权值和阈值进行全局优化，再经过BP神经网络再次训练，两次优化后的值即为最优。GA算法与BP算法相结合，既充分利用GA算法的全局寻优能力，又发挥BP的局部搜索能力，使得故障诊断模型更优。

2. 国内外研究现状分析

另附页，撰写文献综述

3. 研究的基本内容与计划

（1）汽车发动机点火系统故障诊断的方法分析，主要阐述汽车发动机点火系统的结构，原理，常见的故障以及故障诊断方法；

（2）选择其中一种故障智能诊断方法，本课题选择ga优化的bp神经网络智能诊断方法，研究该方法的基本理论；

（3）利用matlab软件的gui功能，开发一个简易的人机交互平台，该平台能够实现分析数据的导入，并用智能诊断模型对未知故障的汽车发动机点火系统进行故障识别

4. 研究创新点

分析几种不同的点火系统的诊断方法的优缺点，比较不同诊断方法在点火系统故障诊断的适用性，从而提出一种基于神经网络的新的诊断方法，更加科学合理地诊断点火系统故障。