類神經網路與田口法於引擎故障聲訊辨識之應用

MUIR > Journal of Meiho University > v.25 n.2(2006/09) > Item 987654321/578

Please use this identifier to cite or link to this item: http://ir.meiho.edu.tw/ir/handle/987654321/578

Title:	類神經網路與田口法於引擎故障聲訊辨識之應用
Authors:	林筱增;高志中;潘冠呈;葉懷仁
Contributors:	美和技術學院資訊管理系副教授兼系主任;和春技術學院資訊管理系助理教授;國防部海軍總部計畫處上尉研究發展官;國立旗山高級農工職業學校教師
Keywords:	類神經網路;田口法;引擎噪音
Date:	2006-09
Issue Date:	2011-03-31T06:54:56Z (UTC)
Abstract:	隨著現代科技進步，今日汽車引擎之故障檢修皆以電腦診斷方式進行，惟此方式對於因機件異常所產生的噪音聲訊卻無法判斷。本論文旨在以類神經網路結合田口法來建構一套有效率的引擎故障聲訊辨識系統，以期在一般引擎故障檢修範圍之外，能夠及早發現其它的機件異常現象，以協助維修人員正確辨識故障來源。本研究係以倒傳遞類神經網路結合田口法為研究架構，透過類神經網路學習來辨識引擎在不同狀況下所產生之故障聲訊。在聲訊正規化部分，採用OTA及TPM兩種不同正規化處理方式。建構類神經網路模式時選擇其輸入層單元數、隱藏層單元數、學習速率及學習循環次數等四項控制因子，並採用田口法直交表的配置，在不同水準條件下進行實驗，配合訊雜比、變異數分析及F檢定之計算，分析控制因子對網路辨識率的影響程度，以獲得最佳的參數組合。研究結果顯示引擎故障聲訊最佳辨識率為77.1％。
Appears in Collections:	[Journal of Meiho University] v.25 n.2(2006/09)

Files in This Item:

File	Description	Size	Format
02.pdf	類神經網路與田口法於引擎故障聲訊辨識之應用	1578Kb	Adobe PDF	1126	View/Open

Loading...