典型文献
基于深度学习的DPF故障诊断及应用
文献摘要：
针对传统柴油颗粒过滤器(diesel particulate filters,DPF)故障诊断中人工提取特征过程繁杂且特征参数难以表征DPF故障状态的问题,提出基于深度学习的DPF故障诊断方法.通过车载传感器采集发动机转速、DPF压差等5种信号数据,经数据融合后建立压差类、温差类和压差+温差类三类样本数据;利用深度学习特征自提取的优势,提取车辆在不同行驶工况下样本数据中压差或温差表征的DPF故障特征;结合深度学习网络中Softmax多分类器实现端到端的DPF故障诊断.利用GT-Power仿真数据,验证了所提方法的可行性,开发了相应的应用软件.
文献关键词：
深度学习;柴油机;柴油颗粒过滤器;特征提取;故障诊断
中图分类号：
作者姓名：
陈仁祥;胡超超;孙健;赵树恩;程德新
作者机构：
重庆交通大学交通工程应用机器人重庆市工程实验室,重庆 400074;内燃机可靠性国家重点实验室,山东潍坊 261061
文献出处：
引用格式：
[1]陈仁祥;胡超超;孙健;赵树恩;程德新-.基于深度学习的DPF故障诊断及应用)[J].重庆理工大学学报,2022(08):126-133
A类：
B类：
DPF,柴油颗粒过滤器,diesel,particulate,filters,提取特征,繁杂,故障状态,故障诊断方法,车载,发动机转速,压差,号数,数据融合,深度学习特征,特征自提取,行驶工况,中压,故障特征,深度学习网络,Softmax,多分类器,端到端,GT,Power,仿真数据,应用软件,柴油机
AB值：
0.352622
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
