汽车发动机点火系统故障诊断方法

汽车发动机电子点火系统采用先进的电子控制技术后,改善并提高了汽车发动机的各项性能,但电子点火系统一旦发生故障将直接影响车辆驾驶。为此,对汽车发动机电控点火系统的故障诊断方法进行探讨,对其故障类型进行分析,明确了针对不同故障制定不同的维修保养措施,以期提升发动机点火系统的故障诊断效率,保障汽车行驶的安全性。     

模糊神经网络在发动机失火故障诊断中的应用

利用模糊神经网络对发动机失火故障进行诊断,建立起了模糊神经网络控制模型,应用MATLAB软件对其进行训练及仿真,结果表明此控制方法是有效的、可行的。     

汽车发动机点火故障诊断方法分析

<正>在汽车电子信息技术迅猛发展的今天,汽车的电子装置越来越多。故障发生时,如何快速、准确地诊断出汽车发动机电子控制系统的故障,一直是汽修人员的难题,所以建立一种准确、快速的点火系统诊断方法势在必行。因点火系统的故障而引起发动机不能起动或不能正常工作的主要现象有无火、缺火、乱火、火弱以及点火正时失准等。汽车发动机的故障通常较为复杂,点火系统的故障也没有规律,在诊断时不容易被发现和判断。因次,发动机点火系统故障的诊断和排除是目前汽车维修行业备受关注的问题。     

发动机点火波形与故障分析

点火波形是发动机点火系工作时点火线圈初级、次级电流及电压随时间（或曲轴转角）变化的关系在专用示波器上的显示，它实时地反映了点火系的工作状况。因此，点火系的故障也必然反映在点火波形上。分析了点火波形的形成、影响点火波形的因素     

基于神经网络的发动机点火能量控制模块研究

提出了一种在常规汽油机上利用原有点火模块进行扩展并采用神经网络控制对点火能量进行控制的新方法,以C8051F020单片机为核心,设计了该点火能量控制模块的软硬件。试验表明,该模块能满足设计的要求。     

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。     

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...     

基于模糊神经网络的发电机调节器故障诊断研究

电子调节器起着调节发电量和保护汽车用电器的作用。本文分析了汽车电子调节器的技术原理,并针对车用爪极发电机调节器电路参数的特点,提出了用智能诊断方法——模糊神经网络对其进行诊断,组建了一个基于CAN总线的发电机电子调节器模糊神经网络故障诊断系统,实验证明了该方法的有效性。     

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。     

模糊数学在机械设备故障诊断中的应用

简要介绍了故障诊断的基本概念及其随机性和模糊性,给出了具体方法,并通过实例,说明故障诊断数学化的可行性,为计算机辅助故障诊断、缩短诊断时间、提高准确性提供了一条可行的途径.     

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。     

基于尺度—小波能量谱和神经网络的内燃机故障诊断

为了对内燃机气门及活塞—连杆组故障进行有效地诊断,通过试验测取内燃机在不同故障下的振动信号,利用连续小波变换得到信号在不同尺度上的能量分布,即信号的尺度—小波能量谱。其能量主要分布于尺度范围1~32,且相同故障模式下的尺度—小波能量谱呈现出相似性,不同故障模式之间的尺度—小波能量谱存在很大的差异性,以此作为不同故障模式的信号特征,结合BP神经网络方法,实现了对待检信号的正确识别。