基于改进BP神经网络的柴油机故障诊断研究

根据柴油发动机故障与征兆之间关系来建立一种采用BP算法前馈型神经网络结构,然而采用标准BP算法对神经网络训练进行训练,但存在收敛速度慢等问题。因此,又采用添加动量项和自适应学习速率两种方法对标准BP算法进行改进,并将改进的BP算法运用于神经网络训练,结果表明改进的BP神经网络能够改善收敛速度慢的缺点,而且预测故障效果较好。     

基于人工神经网络的柴油机故障诊断

故障诊断是计算机模式识别领域的一个活跃课题。文中提出了基于人工神经网络的柴油机故障诊断方法，设计了适合该诊断系统的BP网络结构，并给出了一种基于黄金分割法改进的BP算法，用来自适应调整网络学习速率。仿真结果表明：该算法具有很快的学习速度和较高的学习精度，完全适用于柴油机故障诊断系统。     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

基于BP神经网络的汽油机失火故障诊断方法的研究

针对基于曲轴瞬时角加速度的一般失火故障诊断算法能诊断失火故障,但未能有效区分故障模式的缺陷,提出了一种基于做功时间和BP神经网络的失火诊断算法.根据不同模式下各缸做功时间的波动,提取诊断循环内各缸做功时间信号的特征参数,结合BP神经网络模式识别功能,实现不同模式下的失火故障诊断.通过台架试验,测试了在正常工作、第3缸单...     

基于模糊模式识别的柴油机故障诊断研究

应用时序建模方法提取特征参数 ,在提出一种隶属函数计算方法的基础上 ,运用模糊模式识别方法进行燃油喷射系统故障诊断 ,并通过喷油泵试验台上的典型故障试验进行验证。     

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。     

基于小波包的柴油机振动故障诊断研究

往复式柴油机转动时产生振动是不可避免的这是由其复杂的结构和工作性质决定的,所以在柴油机故障诊断中,振动信号对于研究柴油机的振动特性和机械故障之间的内在联系起重要作用。通过从缸盖表面振动信号的小波包分解系数中提取整循环故障特征参数的方法,提取内燃机故障特征的研     

基于RCM技术的车用柴油机故障诊断方案设计

将RCM技术与故障诊断有机地结合起来 ,提出了基于RCM技术的故障诊断方案 ,强调了可靠性在故障诊断中的作用 ,解决了内燃机车辆野外修理困难的问题 ,同时强调了强化内燃机车辆运行管理机制的作用     

基于模糊诊断技术的柴油机故障诊断

由于柴油机随着使用期延长和使用条件的变化会发生多种故障,许多故障现象不易被发现,故障现象与故障原因之间的关系也是模糊不清,借助模糊数学的方法,把模糊现象与因素之间的关系用数学式进行描述,寻找故障的部位和原因。通过实例验证,结果表明,该方法与其他方法有较好的一致性,在故障诊断方面有较高的准确性。     

基于粗糙集的特征值优化及柴油机故障诊断

为提高故障诊断的效率,给出了一种基于粗糙集理论的柴油机故障诊断系统。以某大功率柴油机为例,采用时域频域分析和小波包能量谱分析两种方法提取特征值,通过对比优选,将敏感性和稳定性较好的小波包能量谱特征值应用粗糙集理论进行优化,最后通过神经网络进行故障模式分类。试验表明,小波包能量谱分析方法可以提取敏感性和稳定性较好的特征值,粗糙集理论的特征属性约简能有效地减少神经网络的输入节点数,提高故障分类的准确率。     

柴油机状态监测与故障诊断特征参数研究

介绍了柴油机状态监测与故障诊断特征参数中的非振动参数和振动参数,前者包括能够表征柴油机整体性能的进气压力、转速波动和整机功率;后者包括能够表征柴油机故障信息的中波幅值脉冲、高波幅值脉冲、最大燃烧压力和燃烧均匀性值。对振动信号进行小波包分解,提取包含待诊断部件故障信息的频带能量指标作为故障诊断的特征参数。得到了柴油机状态及故障的特征参数及其变化规律,从而为开展柴油机在线监测和故障诊断提供了可靠的依据。     

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。     

基于概率神经网络和声压的柴油机故障诊断

论述了利用柴油机运转缸盖噪声信息来诊断内燃机故障的一种方法,通过FIR数字滤波技术从发动机缸盖噪声信号中分段提取发动机的燃爆和气门开闭信息,采用参数平均法消除了缸盖噪声测量的随机误差,利用概率神经网络的分类功能,准确判断出了各种故障。     

柴油机故障诊断中的变权重多证据体融合应用研究

为了能够确定各证据的权重,对证据进行权重调整,应用了基于遗传算法的加权平衡证据调整方法。首先,利用遗传算法确定最优化的或者近似最优化的权重系数,然后依据加权平均值和优先权的证据分布形态对证据进行加权调整,且保证调整后的证据加权平均值不变以及优先权证据分布形态稳定。柴油机故障诊断实例表明,采用基于遗传算法的加权平衡证据调整方法能提高故障诊断的信任度和准确率,明显优于普通D-S等权重证据组合方法。     

柴油机转速传感器故障诊断及其失效“跛行”控制

研究了时间控制式电控柴油机转速信号的特点及相位关系;设计了曲轴和凸轮轴传感器失效故障的检测方法及处理算法;开发了由MC68376微处理器和可编程复杂逻辑器件组成的柴油机故障处理系统;在TCD2015V06电控单体泵柴油机上,进行了起动和正常运行时转速传感器失效的试验研究。结果表明,转速传感器出现故障时,系统可识别出相应故障,并进行逻辑切换,使发动机能正常起动和运行。