EMD和AR模型在汽车变速器轴承故障诊断中的应用

针对汽车变速器轴承振动信号的非平稳特征，提出了一种基于经验模态分解(Empirical Mode Decomposition，简称EMD)和自回归(Auto Regressing，简称AR)模型的滚动轴承故障诊断方法。实验结果表明，此方法可以准确、有效地识别变速器轴承的工作状态和故障类别。     

驻车拉索固定支架断裂的故障改进研究

某车型在盐城试验场进行耐久试验时出现了驻车拉索固定支架断裂的质量问题,故障里程为1 200 km,同时在高寒试验时也出现了同样的故障,文章以该故障为基础,通过对驻车拉索的工作原理以及在整车环境的运行状态进行分析,提出了多种改进方案。经改进件的试制、装车和道路耐久路试等程序,验证改进方案可行,该故障得到了有效解决,未将该隐患输出到市场中,避免了市场车辆可能出现的抱怨,同时对类似故障模式的预防也有很好的设计借鉴意义。     

弱GNSS信号下基于EMD和LSTM的车辆位置预测方法研究

针对弱GNSS环境下组合导航(INS/GNSS)系统存在的定位偏差问题,提出一种基于经验模态分解和长短期记忆网络的车辆位置预测算法.首先,针对训练数据中噪声较大的惯导数据,提出一种融合经验模态分解与离散小波变换的降噪算法.该算法基于噪声能量估计和各阶本征模态函数的功率谱密度函数,提出一种确定混合模态函数阶数上下界的方法...     

基于EMD和分形高斯噪声的陀螺仪噪声滤波方法研究

为降低MEMS陀螺仪输出信号中低频噪声提高信号精度,提出一种采用基于EMD和分形高斯噪声的滤波方法。陀螺仪输出的横摆角速度信号使用滑动窗口法,对窗口数据进行聚合方差法估计Hurst参数,并通过EMD分解窗口数据获得各层IMF分量及余项,计算窗口阈值并进行阈值处理选择,逐步处理滑动窗口数据,将处理后的IMF分量和余项整合,得出滤波后的信号数据。通过仿真实验验证及实车数据验证,证明滤波方法对信号噪声精度提高的可行性。     

一种基于EMD和小波阈值的桥梁振动信号混合去噪方法

在对桥梁进行健康监测的过程中,桥梁振动信号易受外部环境干扰而产生噪声,影响桥梁真实振动数据的获取与分析。为了减少噪声带来的影响,提出一种基于经验模态分解法(EMD)与小波阈值的混合去噪方法。该方法先通过EMD分解信号获得高频固有模态函数(IMF)分量,然后选取IMF分量使用小波阈值去噪,最后重构IMF分量获得去噪后的信号。结果表明,基于EMD和小波阈值混合去噪能有效地滤除干扰噪声信号,且去噪效果优于单一的EMD分解去噪法和小波阈值去噪法。这一结果为桥梁振动信号的去噪处理提供了有意义的参考。     

Bootstrap法在车辆故障检测中的研究及应用

介绍Bootstrap方法的原理并将Bootstrap方法应用于检测车辆中存在的故障,通过计算不同故障下的车辆样本之间均匀Kullback-Lcible距离的均值以及在给定置信度下的置信区间等特征值来反映被测车辆的故障种类。给出一种新的随机数产生器用在Bcotstrap法重采样中产生新的随机序列。以车辆卜的驱动桥为检测对象对该算法进行了验证,结果表明该算法能准确检测出驱动桥所存在的故障。     

基于小波分解的航空地面电源车故障信号趋势特征的提取

论述了现代空战条件下航空地面电源车故障信号趋势特征提取的必要性和多分辨率分析在处理大数据量趋势特征提取的优越性;并在此基础上给出了航空地面电源车故障信号趋势特征提取的一般方法;最后,通过对某型航空地面电源车稳态输出电压信号的分析、故障判别,证实了该方法的有效性。     

基于EMD和AR模型的汽车变速器齿轮故障诊断方法

提出了基于EMD和AR模型的汽车变速器齿轮故障诊断方法。该方法采用EMD将齿轮振动信号分解成若干个平稳的IMF分量,对每一个IMF分量建立AR模型,以模型的自回归参数和残差的方差作为特征向量建立Mahalanobis。距离判别函数,进而识别齿轮的工作状态。实验分析表明,该方法能有效地应用于变速器齿轮的故障诊断。     

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。     

基于改进LightGBM模型的汽车故障预测方法研究

针对机器学习技术在汽车行业的应用中存在的汽车故障数据规模大和类别不平衡引起的模型训练速度慢、故障查全率低的问题,对LightGBM模型进行两方面的改进:模型训练时,设置类别权重和L_1正则化项修正模型的损失函数,并通过贝叶斯优化获得修正项系数的取值;模型预测时,使用阈值移动法降低模型的分类阈值。在斯堪尼亚货车故障数据集上进行验证。结果表明,本文中所提出的改进LightGBM模型训练速度快,故障查全率高,具备工程应用价值。     

一种商用车无法正常熄火的电气故障排查思路和设计改进方案

从商用车的电气故障中挑选1例典型电气故障进行详细排查和分析,阐述产生故障的原因。通过原因分析,总结出2种可以避免类似问题的设计方案,提供一种设计思路,用以提高商用车的电气设计品质,降低故障率。通过此例问题的分析,也可以触类旁通,为其他类似设计提供思考方向。     

铁路货车车辆轮对故障分析及改进措施研究

由于轮对通常向高速横向转动方向滚动,轮对承载着我国铁路货车和客车的满载,在日常运营过程中,容易发生各种故障。这些安全事故对铁路货车正常连续运行速度造成极大限制,也对我国铁路货车正常运行安全造成严重威胁和不利影响。本文首先对铁路货车轮对可能存在的几种常见故障进行了深入分析。其次,结合笔者工作经验,对铁路货车轮对常见故障的主要解决方法进行了深入的分析和探讨。     

基于特征提取和XGBOOST的电动重卡电池故障预警方法

电池包经常处于深度放电状态会极大地影响电池寿命,在严重情况下甚至会导致停车故障,传统故障诊断方法难以判断电池潜在故障以及故障发生程度。因此,本文提出了一种基于特征提取和XGBoost的电池故障预警方法。该方法对电池数据进行预处理,根据电芯端电压构建新的特征,对电池数据进行标注,建立XGBoost预测模型来预测电压故障,判断动力电池是否欠压。此外,还采用K折交叉验证以及随机搜索算法提高预测的准确性。实验结果表明,该方法可以有效区分故障车和正常车,并提前定位故障发生时间,从而避免潜在的事故风险。     

基于区间的小波包振动信号特征提取方法研究

基于小波分析与神经网络的振动信号故障诊断方法,提出采用基于区间小波包分解方法来提取振动信号的特征向量来取代传统的小波包分解方法,并以295柴油机进排气系统故障诊断为例验证采用该方法的有效性,结果表明,基于区间的小波包特征提取方法较传统方法能大大提高进排气系统的故障识别率。     

对汽车故障的几种智能诊断方法

简要论述了汽车故障的几种智能诊断方法。这些方法代表了汽车故障智能诊断的主要内容和发展方向。     

汽车漏电故障的检测方法及故障排除

<正>随着汽车电控化程度越来越高,汽车电路也越来越复杂,汽车漏电成为较为常见的故障。漏电故障会影响汽车的正常使用,因此如何有效检测汽车漏电故障成为维修人员需要掌握的一项必备技能。汽车漏电涉及到全车各个模块及电路,采用传统方法查找故障点的效率较低,利用分段检测法可迅速缩小故障范围,提高检测效率。1汽车漏电原因汽车漏电是指车辆停驶时蓄电池逐渐放电,     

整车道路模拟行驶载荷谱采集方法研究

为了满足整车道路模拟试验对载荷谱的需求,本文介绍实车动态载荷谱采集、处理、分析和特征提取的方法,为进行实验室整车道路模拟试验以及CAE仿真分析奠定基础.     

商用车空调系统制冷故障改进提升研究

对商用车常见的空调系统制冷失效模式进行梳理分析,归纳总结出5类失效模式：压缩机失效、空调管路失效、控制面板失效、蒸发器温度传感器失效、冷凝器失效。为了提高空调系统可靠性和使用寿命,进而提高驾乘人员舒适性,针对性提出空调品质改进提升研究。     

对滚镀锌自动线工艺的研究及改进措施

本文对滚镀锌自动线生产中的4种质量问题进行了细致的分析，提出相应的改进措施，并对自动线的控制程序进行修改，使自动线的质量及生产效率得到极大提高。