[发明专利]一种基于小波神经网络的车用电磁阀故障诊断方法

权利要求书

1.一种基于小波神经网络的车用电磁阀故障诊断方法，其特征在于，包括以下步骤：

预先采集电流传感器电流信息作为原始数据，并使用三层小波包对原始数据进行分解重构，获取信号集合；

基于信号集合标定能量值E_i，并构造特征值T_i，得到特征向量T＝[T0，T1…Ti…T7]，表示为：

其中，n为总采样点，k为采样点；△t为采样时间；

将获取的特征向量筛选部分高区分度的特征值T＝[Tx,Ty,Tz]，分别作为训练样本和测试样本；

建立BP神经网络模型，并选取训练样本进行训练，训练完成后将测试样本对BP神经网络模型进行测试，确定优化BP神经网络模型，用于判别故障分析诊断。

2.根据权利要求1所述的基于小波神经网络的车用电磁阀故障诊断方法，其特征在于，步骤所述预先采集电流传感器电流信息作为原始数据，包括以下步骤：

采集电流传感器故障件电流信息和正常件电流信息作为原始数据信息；

获取外置串联小电阻采集电压值并作为原始数据。

3.根据权利要求1所述的基于小波神经网络的车用电磁阀故障诊断方法，其特征在于，所述信号集合，包括对原始数据进行分解，表示为：

[X₀(3,0)、X₁(3,1)…X_i(3,i)...X₇(3,7)]。

4.根据权利要求1所述的基于小波神经网络的车用电磁阀故障诊断方法，其特征在于，步骤所述建立BP神经网络模型，还包括以下步骤：

设置初始隐含层数和隐含层；

确定输出层传递函数；

确定迭代次数。