基于神经网络的故障诊断在汽车发动机上的应用开题报告

1. 研究目的与意义

汽车作为一种现代交通工具,已广泛存在于我们的日常生活与工作中,伴随而来的是我们需要面对汽车的故障问题。传统的基于人的经验和技巧的故障诊断方法具有很大的经验性和专业性,不适合非专业人员进行故障的快速判断和处理。随着人工智能的发展,出现了各种故障诊断的专家系统,专家系统是一种基于知识和规划的推理系统,但它存在着知识获取困难、知识库难于维护等问题,使其应用有时也达不到预期的效果。

汽车故障诊断技术最开始主要依靠人工经验，但随着科学技术的不断进步，相关诊断仪器以及自诊断系统在传统的人工检测方法的基础上逐步发展起来。很多诊断仪器是根据人工经验检测方法设计出来的，人工神经网络的自学习能力、非线性映射能力、并行计算能力和容错能力,可以克服基于逻辑与符号处理的专家系统的某些局限性,为专家系统的研究开辟了新途径。

神经网络的全称是人工神经网络,,它采用物理上能够实现的器件或者通过计算机来模拟生物体中神经网络的某些结构和功能,并将其应用于工程领域。目前存在的用于故障诊断的人工神经网络,主要有两种方式：通过应用神经网络作为逼近器,对参数进行拟合预测,然后对系统进行故障检测；通过输入与输出间的关系,用带反馈连接的动态神经网络对过程或者工况参数建立网络模型,进而达到故障预测的目的。

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

研究内容：

1、查阅文献、阅读相关书籍，

2、对汽车发生故障时的故障原因与故障现象进行了深入细致的了解，

4. 研究创新点

模仿人类分析学习能力，提高故障诊断水平，应用于汽车发动机上。