共查询到20条相似文献,搜索用时 109 毫秒
1.
2.
数据流作为电控单元的输入输出数据,系统工况的轻微变化都会在数据流上反映出来。利用故障诊断仪读取电控发动机运行中的数据流,将检测出的数据和标准数据进行对比分析,可快速、准确地找出故障的原因、部位。本文阐述了数据流的类型及分析方法,并结合维修实例,叙述运用数据流进行电控系统故障诊断的方法。 相似文献
3.
汽车维修故障排除过程总中,关键数据流能体现出电控系统的异常现象,文章首先介绍了数据流常用的参数及数据流分析方法,其次结合实例分析了汽车数据流在汽车电控系统故障排除中的应用,为汽车故障诊断技术提供借鉴。 相似文献
4.
OBD系统的串行数据流诊断法及其应用 总被引:1,自引:0,他引:1
文中介绍了OBD系统的工作原理,针对单一使用故障代码诊断的不足引出串行数据流诊断的新思路,对串行数据流参数作了详细的说明,并通过实例对串行数据流诊断法进行了详细的阐述。 相似文献
5.
数据流分析法在电控发动机的故障诊断中越来越多地被采用。但在分析过程中,更多进行的是单一数据分析,而疏忽了数据流的关联性,这样导致漏诊、误诊时有发生。对于非关联性参数,通过单一数据流的直接分析,大都可以判断故障的原因和故障点。但关联性参数必须同时读取多个数据流,并通过相互关系进行计算确定关联性参数,然后进行综合分析,才能判断故障点和故障原因。 相似文献
6.
7.
数据流分析在电控汽车故障诊断中的应用 总被引:2,自引:1,他引:1
数据流分析是维修电控汽车时常用的一种方法,该方法通过故障诊断仅分析电控系统静态或动态数据状况来寻找故障所在部位.文中探讨了常用数据流分析方法的类型和特点及一般分析步骤,并通过故障实例说明了数据流分析在电控汽车故障诊断中的重要作用. 相似文献
8.
9.
10.
2.4.2数据流分析(通讯测试方式)
数据流分析是采用汽车故障电脑诊断仪对汽车控制系统传感器、执行器运行参数和电脑控制过程参数进行多路同时测量显示的测试分析,是以诊断仪的数据流测试功能为基础的。数据流具有动态同步、多参数同时显示的特点,因此对汽车故障诊断具有独特的测试优越性,是快速方便的测试形式。无论是采用故障码诊断分析法还是症状诊断分析法,都可以在使用故障诊断流程图表之前首先进行数据流分析。 相似文献
11.
交通流数据常见问题分为数据缺失、数据无效和数据时间点3类,针对这些问题,提出了一种交通流数据检验与修复方法。以北京市交通流数据为例,应用这一方法进行了分析与验证。结果表明该方法具有很好的实际应用效果。交通流数据质量检验可以保证从数据源所获得数据的正确性和完整性,为数据的管理和应用提供了可靠的数据基础. 相似文献
12.
为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度. 相似文献
13.
14.
15.
以客运枢纽内连接服务设施设备的通道作为研究对象,以通道的长度和宽度对行人流分散作用的强度分析入手,借助行人流仿真软件,设计仿真方案,利用仿真输出的行人流参数统计数据,建立行人流流量随观测时间的变化趋势曲线,一方面,对曲线的变化趋势进行对比分析,另一方面,对统计数据进行K-W检验以分析数据的差异性。结合曲线对比和K-W检验结果,综合分析单向通道、双向通道的长度和宽度变化对行人流分散作用的影响,进而确定单向通道和双向通道的最佳宽度分别为4m和8m,最佳长度为50m。 相似文献
16.
17.
基于小波消噪的ARIMA与SVM组合交通流预测 总被引:5,自引:2,他引:3
针对实际交通系统时变复杂和变化的不确定性所带来的交通流量非线性和强干扰性的特征,首先应用小波分析方法,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;然后采用自回归求和滑动平均(ARIMA)和支持向量机(SVM)的结合预测模型对交通流进行了预测,最后用实测交通数据进行了验证分析,得到了两个结论:一是组合预测模型比单个预测模型的预测精度高;二是小波分析消噪后的组合预测模型比没有消噪的组合预测模型预测精度高.结果表明消噪后的组合预测模型具有较高的预测精度,可用于交通流的实时动态预测. 相似文献
18.
信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型(Traffic Factor State Network,TFSN),考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明:根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。 相似文献
19.