基于信息融合的发动机全系统故障诊断研究

针对传统发动机故障诊断的不足,利用多传感器信息融合技术可以提高故障诊断精度的特点,将多传感器信息融合技术引入发动机故障诊断,提出了基于多传感器信息融合的发动机全系统故障诊断策略。     

基于贝叶斯网络的信息融合汽车网络故障诊断方法

本文中基于贝叶斯网络的信息融合,开展汽车网络故障诊断方法的研究。首先分析了汽车网络系统的故障类型;其次,针对其故障具有随机性和不确定性的特点,在分析了相关故障诊断方法的基础上,提出了基于贝叶斯网络的信息融合故障诊断方法;最后,结合专家知识和大量统计数据,将所提出的故障诊断方法应用在汽车发动机节点的故障诊断中,证实了该方法有效性。     

基于信息融合的发动机故障诊断技术研究

针对传统发动机故障诊断方法的不足,采用了信息融合技术进行发动机故障诊断,并通过实例验证了该方法诊断发动机故障的精度。     

电控发动机实训台架的研发

针对目前国内电控发动机实训台架存在的问题,结合电控发动机和汽车故障诊断课程的教学特点,设计了智能化设置故障的电控发动机实训台架。主要从电控发动机台架设计方案和智能化设置装置两方面进行研究和设计,从而完善了电控发动机实训台架,提高了电控发动机实训台架的性能。     

基于信息融合的涡轮发动机故障诊断方法研究

对近年来信息融合方法发展进行总结,着重介绍贝叶斯信息融合法、神经网络信息融合法、基于特征的信息融合法和D-S证据理论信息融合法,分析各种方法的原理和特点。以CFM56发动机故障诊断为例,用BP神经网络的输出结果为输入,构建D-S证据融合的识别框架,进行故障诊断。结果表明,采用D-S证据理论的方法,缩短了故障诊断的时间并提高了故障诊断的精确度。     

汽车天然气发动机故障诊断专家系统的研发

电控发动机加装了天然气系统后,其故障诊断与检测变得更加复杂和困难,尤其是燃气系统的故障诊断与维修。为此,研发了一套基于故障树分析法的天然气发动机故障诊断专家系统,实现了人工智能化的故障检测,这对于提高天然气发动机的运行可靠性,以及汽车维修企业的经济效益,都具有重要的意义。     

波形和数据流融合诊断电控发动机故障

电控发动机结构越来越复杂,内部各系统之间关系变得更加微妙,产生的故障更加繁杂,这给电控发动机故障诊断带来了更大的难度。针对电控汽车故障诊断技术目前存在的不足,本文提出将波形诊断方法和数据流诊断方法相融合的故障诊断思想,对电控发动机疑难复杂故障进行诊断分析,以求准确、快速查找出故障原因并排除故障。     

汽车发动机故障诊断系统的虚拟样机硬件研发

发动机是汽车的心脏,影响到汽车行驶的动力性和经济性,伴随着资源的匮乏和道路的拥挤,人们对发动机提出了越来越高的要求。电控发动机已逐渐发展成为集电子技术、计算机技术、信息技术于一体的智能控制系统,这也给汽车维修人员提出了更高的技术要求,传统的发动机故障诊断方法已经很难满足现代发动机故障诊断的要求。由于神经网络具有容错、联想、推测、记忆、自适应、自学习和处理复杂多模式的独特功能,利用虚拟仪器技术和神经网络技术相结合的方法,可方便快捷地对发动机不同工况进行实时数据采集,并对采集的数据作有效的分析,直接给出诊断结果,这样可使汽车发动机故障诊断在一定程度上实现自动化和智能化。     

基于多色集合的发动机诊断IETM研究

研究了智能化IETM(交互式电子技术手册)的功能结构和实现方法,以2JZ—GE发动机为例,研究了发动机诊断知识库,并利用多色集合理论建立故障诊断模型,在此基础上最终实现了第5级IETM的原型系统。     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

基于声强与神经网络技术的发动机故障诊断

根据发动机的结构特点,将其表面划分成不同的测试区域进行声强信号采集;依据声强特征,确定不同区域对应零部件的工作状况;利用模块化神经网络,建立基于声强特征的故障诊断模型,该模型中包含发动机低速与中速诊断模块、决策模块和故障知识库;在建模过程中,利用特征函数强化故障特征作为网络输入。结果表明,该方法具有诊断精度高、速度快、实时自学习等特点,为建立更为完善的发动机智能化故障诊断系统提供新途径。     

柴油机故障诊断专家系统知识库设计

在分析柴油机故障诊断知识特点的基础上,采用模糊化方法对柴油机运行状态参数进行处理,采用综合型知识方式来表达柴油机故障诊断知识,采用多库多层次的方式组织知识库,并对知识库采取一系列方式进行管理与维护。应用表明,柴油机故障诊断专家系统的预报准确率较高,具有较强的实用性。     

基于Java规则引擎的汽车发动机故障诊断专家系统研究与开发

介绍了基于Java规则引擎的汽车发动机故障诊断专家系统,该系统基于B/S模式,知识库采取面向对象的知识表示和产生式规则表示相结合的方法,系统可根据用户输入的故障信息,对汽车发动机的故障进行诊断.论述了系统的知识表示、规则引擎等关键技术,利用这些技术可以快速建立专家系统框架.     

高压共轨柴油机智能判缸策略

对比分析了传统判缸控制策略与高压共轨柴油机判缸控制策略的差异,提出发动机在传感器故障模式下的判缸控制策略,以及在处理传感器信号时减少相位误差所采用的控制技术.采用的ASCET软件对传感器信号故障模式下的控制策略进行了仿真,结果表明,高压共轨柴油机智能判缸策略有助于提高发动机运行可靠性.     

强噪声背景下的柴油机失火故障诊断

柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。     

基于尾气分析的发动机故障诊断技术的研究与实践

车辆自诊断技术是诊断发动机故障的重要手段,然而对于发动机的机械故障和无故障信息存储的电气故障的诊断,自诊断技术则无能为力。尾气检测与分析技术为发动机多种疑难故障的诊断提供了有效途径。本文主要阐述了基于尾气检测与分析技术的发动机故障诊断的技术要点,诊断规律的试验研究及应用,旨在提高发动机故障诊断的有效性。     

SOM-BP神经网络在机械故障诊断中的应用研究

从信息融合的角度出发,以自组织特征映射网络SOM和误差反向传播网络BP为理论基础,提出了SOM-BP神经网络模型,引用某内燃机燃油系统故障及其相关参数作为训练样本建立诊断模型。通过仿真试验,验证了SOM-BP神经网络在机械故障诊断中的正确性和精确性。     

一种基于广义S变换增强的柴油机失火故障特征提取方法

为有效提取柴油机缸盖振动信号失火故障特征,提出一种基于广义S变换增强的柴油机失火故障特征提取方法。首先根据柴油机燃烧过程与配气相位的关系对信号进行等角度重采样,然后利用广义S变换对信号进行消噪处理,并按工作循环将信号的周期性瞬态特征进行同步增强。通过仿真信号验证和某柴油机缸盖振动信号的实例应用,结果表明,此方法能有效地提取柴油机缸盖振动信号的失火故障特征,实现失火故障的准确诊断。     

浅析汽车发动机异响的排查维修方法

汽车发动机异响在发动机故障中尤为突出和常见,发动机异响,意味着发动机某一部位或结构出现了与预期相违背的状态,文章从人为操作不当、装配过程有异常、发动机材料有变化、运行环境恶劣或异常磨损的等方面探究发动机异响出现的原因,首先要判断的是发动机异响的部位及异响的频率,检查判断后,可根据常见故障经验需要进一步拆解,直到找到故障源,分析与诊断故障原因,选取最优方案实施维修。