变分模态分解的Volterra模型和形态学分形维数在发动机故障诊断中的应用

针对实测发动机故障信号的非线性和形态学分形维数难以对其有效估计的问题,提出一种基于变分模态分解(variational mode decomposition, VMD)的Volterra模型和形态学分形维数相结合的发动机故障诊断方法。首先采用VMD方法对发动机故障信号进行分解,通过基于互信息熵-能量熵增量的虚假固有模态函数(intrinsic mode function, IMF)分量剔除算法,将噪声和虚假干扰成分从信号内分离,对含有故障信息的敏感IMF分量重构,然后通过对重构信号相空间的重构,建立Volterra自适应预测模型,获取模型参数,最后计算模型参数向量的形态学分形维数,并将其作为量化的特征参数用于发动机工作状态和故障类型的识别。通过对实测发动机声振信号的分析,结果表明,该方法可有效提取发动机的状态特征信息,实现发动机异响的故障诊断。     

基于磨损元素比例特征的发动机磨损状态诊断

针对不连续采样时的车用发动机磨损故障诊断问题,基于摩擦磨损原理和摩擦副元素之间的相关性,提出了基于比例特征的发动机磨损状态模糊优选诊断方法,建立了发动机磨损变化的比例模型,研究了摩擦副主要磨损元素之间在磨损过程中的比例关系,运用模糊优选理论实现了发动机磨损状态的诊断。通过典型磨损状态的油样光谱分析数据验证了该诊断方法的有效性,解决了车用发动机在不连续采样情况下的磨损故障诊断难题。     

基于EMD的天然气发动机供气系统故障诊断方法

针对天然气发动机故障信号的非平稳性、非线性等特点,提出一种基于EMD提取能量特征参数的故障诊断方法。从天然气发动机供气系统正常、气门间隙大、排气阀漏气3种工况振动信号的EMD能量熵值中发现,当供气系统发生故障时,各IMF分量的能量会发生变化。因此运用EMD方法提取最有效的IMF分量的能量特征指标,利用C均值模糊聚类法对此特征进行聚类进而建立天然气发动机供气系统的故障识别模型。现场试验验证了该方法在天然气发动机供气系统故障诊断中的有效性。     

基于FNN与规则推理的轿车故障诊断系统

简要分析了模糊推理与规则推理以及这两者相结合的故障诊断方法，这三种方法在处理多症状多原因的机械故障诊断问题上都存在缺陷，基于此引出了模糊神经网络代替模糊推理并与规则推理相结合的先进诊断方法，最后给出了一个轿车诊断实例。实例表明该方法是有效的。     

基于BP网络的故障诊断正向推理方法

针对传统的故障诊断正向推理方法的局限性 ,对基于BP模型的神经网络故障诊断正向推理方法进行了研究。建立了用于故障诊断的BP神经网络模型 ,并给出了故障诊断的正向推理过程。利用汽车发动机点火系统的故障实例验证了基于BP模型的神经网络故障诊断正向推理方法的有效性和可行性。     

汽车故障诊断——AER认证培训教材连载之十一

5,流程设计 流程设计是在推理假设环节之后,根据假设的可能故障原因,设计出实际应用的故障诊断流程图的过程。这个过程包括首先建立以故障症状为顶端事件的故障树,然后根据故障树建立故障诊断流程图表。     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

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。     

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.     

基于BP神经网络的电喷发动机故障诊断研究

文中研究了BP神经网络用于电喷发动机故障诊断的方法,用来自真实测量的数据建立了神经网络故障诊断模型。以桑塔纳2000(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在MATLAB环境下,对电喷发动机怠速不稳的两种故障原因进行故障模式识别和诊断。     

模糊联想记忆网络在柴油机故障诊断中的应用

由于传统的故障诊断方法在机械设备整体故障诊断中难以有效发挥作用，通过把模糊数学和神经网络理论应用到故障诊断中，构建了一具有联想记忆功能的模糊神经网络。并结合190A型柴油机的故障诊断，验证了算法的有效性。     

基于自适应模糊神经网络的故障诊断方法

对模糊逻辑和神经网络的优缺点进行分析,提出一种基于自适应模糊神经网络的故障诊断方法。它把模糊逻辑和神经网络有机结合起来,生成自适应模糊神经推理系统(ANFIS);文中给出了该系统的原理及实现算法,最后使用M atlab Fuzzy工具箱对柴油发动机喷油泵柱塞故障数据进行建模,结果表明该方法是可行的,并且有较高的诊断效率。     

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 GT-Crank 仿真的柴油机气缸磨损时瞬时转速分析

利用 GT‐Crank 软件对柴油机曲轴瞬时转速进行仿真分析计算,研究了正常状态、单缸磨损、多个相邻缸磨损和多个非邻缸磨损状态下瞬时转速的变化规律,提取了状态特征参数,并分析了气缸磨损对其他缸的影响,为深入研究瞬时转速在柴油机状态检测诊断中的应用提供了理论依据。     

应用振动信号诊断汽油机磨损故障

往复发动机的故障诊断是较困难和热点的研究问题。本文主要针对EQ6100发动机常见部件(活塞—缸套、气门、气门挺杆、连杆轴承、曲轴轴承、活塞销与衬套)磨损故障进行了振动测试研究。在EQ6100发动机预先模拟各种故障,然后测取了在不同参数条件下的故障信号,并用时域和频域分析法进行了分析比较。通过分析,得出了各种故障诊断的特征参数及实现的方法。     

模糊逻辑在汽车电子控制中的应用

本文简要介绍了汽车电子控制和模糊逻辑控制的特点，综述了模糊逻辑在汽车发动机控制，自动变速器控制，ＡＰＳ悬架控制，故障诊断，巡航控制等方面的应用。     

基于相对隶属度的发动机磨损模糊模式识别

针对模糊数学需人为确定隶属函数的缺陷,利用以相对隶属度为基础的模糊理论对发动机磨损模式进行了识别,得到了较为客观的识别结果,证明了该方法对发动机磨损模式识别的有效性。同时,Matlab的仿真结果还证明了利用最优模糊聚类中心矩阵可以消除冗余信息、简化模式特征值的提取,使模式识别的准确率提高。