基于神经网络的汽车压力开关测试系统

吉林大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (03): 706-710.

基于神经网络的汽车压力开关测试系统

高印寒¹,樊宽刚²,杨开宇¹,王肇虹³,吴定超⁴

1.吉林大学测试科学实验中心|长春 130022；2.吉林大学仪器科学与电气工程学院|长春 130061；3.吉林省计量科学研究院|长春 130022；4.吉林大学通信工程学院|长春 130022

收稿日期:2009-05-25 出版日期:2011-05-01 发布日期:2011-05-01
作者简介:高印寒（1951-）,男,教授,博士生导师.研究方向：车辆测试技术及仪器.E-mail:gaoyinhan@sohu.com.
基金资助:
高等学校博士学科点专项科研基金项目（20050183019）；吉林省科技发展计划项目(20080532)

Automotive pressure switch test system based on neural network

GAO Yin-han¹,FAN Kuan-gang²,YANG Kai-yu¹,WANG Zhao-hong³,WU Ding-chao⁴

1.Center of Test Science,Jilin University,Changchun 130022,China；2.College of Instrumentation &|Electrical Engineering,Jilin University,Changchun 130061,China；3.Jilin Institute of Metrology,Changchun 130022,China；4.School of Communication Engineering,Jilin University,Changchun 130022,China

Received:2009-05-25 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要：

研制了一套基于神经网络的汽车压力开关测试系统。系统通过数据采集卡采集数据，运用神经网络BP（Back propagation）算法进行数据处理，得到了更为准确和稳定的数据；由VC++软件实现测试系统的实时显示，对开关的通断状态进行反馈，确定开关导通所需的压力大小。实验结果表明，测试系统的稳定性比以前提高了15%以上，运用神经网络，误差率降低到以前的80%，能够更好地测试汽车开关压力，避免了开关过程中使用过大压力,从而延长了开关寿命。

关键词: 仪器仪表技术, 测试系统, 汽车压力开关, 数据采集, 神经网络

Abstract:

A test system was developed to measure the pressure switch parameters based on the neural network. The system gathers data through a data acquisition card, processes the gathered data with the back propagation algorithm of the neural network to get the accurate and stable data. The VC++ software was used to realize the realtime display of the test system to feedback the switch state and the necessary pressure to turn on the switch can be aware of. Experiments showed that comparing to the original counterpart, the stability of test system is improved by 15%, the error is reduced to 80%. The system can measure the pressure to turn on the switch accurately, avoids the unnecessary high pressure in the switching process to prolong the lifespan of the switch.

Key words: instrumentation technology, test system, pressure switch, data acquisition, neural network

中图分类号:

TH89

高印寒,樊宽刚,杨开宇,王肇虹,吴定超. 基于神经网络的汽车压力开关测试系统[J]. 吉林大学学报(工学版), 2011, 41(03): 706-710.

GAO Yin-han,FAN Kuan-gang,YANG Kai-yu,WANG Zhao-hong,WU Ding-chao. Automotive pressure switch test system based on neural network[J]. 吉林大学学报(工学版), 2011, 41(03): 706-710.

参考文献

相关文章 15

[1]	席利贺,张欣,孙传扬,王泽兴,姜涛. 增程式电动汽车自适应能量管理策略[J]. 吉林大学学报(工学版), 2018, 48(6): 1636-1644.
[2]	江涛,林学东,李德刚,杨淼,汤雪林. 基于人工神经网络的放热规律的量化预测[J]. 吉林大学学报(工学版), 2018, 48(6): 1747-1754.
[3]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4]	仇艳凯, 李宝仁, 杨钢, 曹博, 刘真. 新型液压消声器吸收液压系统压力脉动的机理和特性[J]. 吉林大学学报(工学版), 2018, 48(4): 1085-1091.
[5]	丁宁, 常玉春, 赵健博, 王超, 杨小天. 基于USB 3.0的高速CMOS图像传感器数据采集系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1298-1304.
[6]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[7]	底晓强, 王英政, 李锦青, 从立钢, 祁晖. 基于量子细胞神经网络超混沌的视频加密方法[J]. 吉林大学学报(工学版), 2018, 48(3): 919-928.
[8]	吴疆, 徐壮, 刘丽佳, 嵇艳鞠, 李肃义. 基于环绕式血氧探头的睡眠呼吸暂停综合征检测装置原型设计与开发[J]. 吉林大学学报(工学版), 2018, 48(2): 640-644.
[9]	杨诚, 宋萍, 彭文家, 金昊龙, 潘志强. 基于混合总线的装甲车辆实车综合测试系统设计[J]. 吉林大学学报(工学版), 2018, 48(1): 186-198.
[10]	王方石, 王坚, 李兵, 王博. 基于深度属性学习的交通标志检测[J]. 吉林大学学报(工学版), 2018, 48(1): 319-329.
[11]	刘东亮, 王秋爽. 基于NGSIM数据的车辆瞬时速度获取方法[J]. 吉林大学学报(工学版), 2018, 48(1): 330-335.
[12]	杨诚, 宋萍, 彭文家, 邓高寿, 刘雄军. 装甲车辆综合测试系统上位机平台设计[J]. 吉林大学学报(工学版), 2017, 47(6): 1796-1803.
[13]	柏德恩, 全齐全, 李贺, 陈雅文, 邓宗全. 伺服加载的谐波减速器启动力矩测试系统[J]. 吉林大学学报(工学版), 2017, 47(6): 1804-1810.
[14]	谢志江, 吴小勇, 范乃吉, 郭宗环, 袁岳军, 王康. 神光-III精密装校平台运动学分析[J]. 吉林大学学报(工学版), 2017, 47(5): 1504-1511.
[15]	王天皓, 王忠福, 王雨蒙, 杨开宇, 高印寒, 马喜来. 基于混沌多项式展开法的线束串扰统计模型[J]. 吉林大学学报(工学版), 2017, 47(5): 1568-1576.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed