柴油机 SCR 系统故障诊断软件的开发与应用

针对电控柴油机SCR系统的故障诊断功能,研究了诊断机理,分析了监测参数,并选其特征值进行分类处理。以VisualC＋＋6．0可视化集成开发环境为平台,设计了一套柴油机SCR系统机外故障诊断软件。诊断软件采用模块化结构和CAN总线技术,其中数据分析模块解析了J1939报文到CAN扩展帧的映射机制;数据库模块由MFCODBC技术实现对Access数据库的管理。对故障诊断软件进行实机调试并设置故障处理验证软件功能,结果表明软件运行可靠,故障获取准确,为进一步研究柴油机SCR系统故障诊断提供了一种新思路。     

基于KPCA与KFDA的国六柴油机EGR系统故障诊断

为适应柴油机远程自适应诊断的需要,提出了一种基于数据驱动的柴油机故障诊断方法,在国六柴油机EGR系统的典型故障中进行了验证。利用柴油机试验车队实时远程监测数据建立数据模型,将监测参数中与EGR工作密切相关的11个参数作为模型特征变量,首先采用核主成分分析法(Kernel Principal Component Analysis, KPCA)对原始高维数据进行降维,其次采用核Fisher判别分析法(Kernel Fisher Discriminant Analysis, KFDA)对柴油机EGR系统的正常数据和故障数据进行分类器训练,进而实现对未知数据的故障诊断。结果表明:此方法能够对试验中出现的两种EGR典型故障进行有效诊断,通过KPCA与KFDA相结合,改善了线性方法在处理柴油机故障变量的非线性及强耦合性问题上的缺陷。     

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%。     

灰色关联度在柴油机故障诊断中的应用与改进

提出了一种专家系统辅以极限报警的诊断策略,分析了一个故障诊断系统的软硬件结构。采用了灰色关联度算法,并对该算法作了两点改进,引入“参数变化范围”以消除各参数变化幅度不一以及量纲的影响;根据试验验证结果提出了“权重”这一重要概念,以克服该算法忽视柴油机工作机理的缺点,计算结果表明,引入“权重”后,故障诊断准确性明显提高。     

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。     

强噪声背景下的柴油机失火故障诊断

柴油机失火是常见的故障模式,传统的诊断方法不仅参数获取困难且准确性差。针对此问题,以3缸四冲程柴油机为研究对象,设计了柴油机失火故障的预置试验,采集排气噪声和缸盖振动信号进行故障诊断研究。为提取强噪声背景下的微弱信号,采用二次采样随机共振系统提取柴油机故障特征频率完成柴油机的失火故障诊断。研究结果表明,通过二次采样处理,随机共振系统可以将噪声能量转移到柴油机微弱特征信号上,达到大参数条件下微弱信号特征提取的目的,能有效识别柴油机的早期故障,对其他复杂机械的振动诊断同样具有参考价值。     

多特性参数相结合的柴油机故障振动信号特征提取与诊断

本文基于缸盖振动信号的非平稳的特点,将经验模式分解和AR模型参数相结合,并兼顾了信号频谱的特点,提出了综合选取AR模型参数、信号频带能量和信号的质心频率与质心幅值等作为柴油机故障振动信号特征参量的方法;采用该方法对实测的S195柴油机的5种工况下缸盖振动信号样本提取了故障特征向量,基于支持向量机对柴油机故障进行诊断,故障诊断的正确率达到83%以上,验证了该方法的可行性。     

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。     

基于小波与深度置信网络的柴油机失火故障诊断

为更深入地了解柴油机失火故障的机理,提高失火故障诊断准确率,本文中提出了一种基于小波与深度置信网络的柴油机失火故障诊断方法。首先,采用等角度采样法对柴油机缸盖振动信号进行采样,获得平稳的角域信号,消除循环波动干扰;然后,通过连续小波变换对角域信号进行角-频分析,提取点火频率附近频带后利用连续小波逆变换重构信号;接着,按照柴油机工作循环从重构信号中,分段提取方差、峭度和峰值等12种常用特征参数并构造诊断参数矩阵;最后,利用深度置信网络对诊断参数矩阵进行降维和第二次特征提取,并依据二次特征对失火故障进行诊断。将该方法应用到某型柴油机上的结果表明,该方法能准确提取失火故障信息,有效诊断失火故障。     

基于BP网络的柴油机故障诊断方法研究

采用BP神经网络对柴油机气缸套磨损故障诊断进行了研究。首先运用单BP网络方法对柴油机气缸套磨损故障进行了诊断,诊断结果表明该方法还存在一定不足;提出了基于组合式BP网络的故障诊断方法,诊断结果表明,采用组合式BP网络的故障诊断方法可有效地提高柴油机气缸套磨损故障诊断的准确性和有效性。     

为你修车养车提供参考

《进口汽车故障诊断手册》 周立志等 编著 辽宁科学技术出版社 该书重点介绍了汽车故障的人工诊断技术。内容包括汽车发动机(汽油机、柴油机)、电子控制燃油喷射装置、电器装置、底盘系统等的故障诊断方法和诊断遵循的原则。 该书从方便维修人员出发,与汽车各总成基本原理相     

柴油机控制系统故障自诊断功能设计

针对柴油机电控系统产品开发的故障诊断需求,采用故障自诊断分层结构对故障分类方法,实现了柴油机电控产品传感器、执行器和硬件资源的故障处理.重点介绍了加速踏板传感器和发动机曲轴与凸轮轴传感器的故障自诊断设计原理及应用策略.试验结果表明,该柴油机故障自诊断功能可以有效监控控制系统安全.     

基于Simulink的小型汽油机温度传感器故障自诊断软件开发

运用MATLAB/Simulink模型开发平台,采用飞思卡尔MC9S12XEP100单片机作为主芯片,选取典型的模拟量传感器温度传感器为研究对象,采用模块化的设计思想,开发了传感器故障诊断软件,通过特定的诊断算法以及容错策略判断传感器是否存在故障。在168F小型汽油机上,通过人为设置故障,验证了故障诊断软件的可行性。试验结果表明,该软件运行稳定可靠,诊断效果明显,对普通模拟量传感器的诊断软件开发具有指导意义。     

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。     

船舶柴油机故障铁谱仪智能化监测和诊断系统

铁谱技术是近年来应用较广的半定量化船舶柴油机故障诊断手段之一。章在铁谱技术的基础上，发展应用微机图像分析技术，实现了磨粒形态的自动定量测量和磨粒参数的统计分析。同时，中根据圆度、长／短轴比、凹度等形状参数建立的判据可准确诊断船舶柴油机的故障类型。     

基于改进ART神经网络的液压系统故障诊断研究

为研究工程机械液压系统故障的诊断,提出一种墨西哥草帽函数改进的ART神经网络学习算法,增强输入矢量距敏感特征近的区域对模式分类的影响。采用距离分区技术调整输入模式的特征矢量,提高诊断的精度和效率。用Amesim_HCD库建立液压系统液压泵、多位换向阀结构模型,用Amesim建立起重机液压系统模型。通过对液压系统各类型故障仿真,验证了改进ART方法对起重机液压系统故障诊断的可靠性。开发了基于改进ART神经网络的起重机液压系统故障诊断专家系统。     

电控柴油机故障排查技巧和步骤

掌握故障排查的方法和技巧是诊断电控柴油机故障的有效手段。文章结合实际,从故障的基本检查、故障树的分析和建立、故障树排查步骤等方面阐述了电控柴油机的故障诊断技术。     

柴油机故障微机诊断系统

在分析柴油机主要故障类型的基础上，提出从气缸盖和气缸体振动信号中提取振动频率特征信号，用微机系统进行频谱分析，用专家系统软件进行故障诊断，从而达到对柴油机故障进行诊断的目的。实践证明，系统是可行的，在柴油机故障诊断中，将得到广泛应用。     

基于卡尔曼滤波和特征指数化的电动汽车电池故障诊断方法研究

针对电池组内的热失控、内短路等故障问题，提出了一种基于卡尔曼滤波和特征指数化的电池故障在线诊断方法。首先基于历史数据和卡尔曼滤波方法对电压数据进行降噪，可有效去除异常点，并提出一种特征指数化方法以提取和放大电池组单体之间的电压特征。最后，为了减少电池组不一致性导致的单体电池故障误报，提出一种基于余弦相似度的故障值计算方法以提高算法诊断精确度，并实现故障电池的在线自动检测和定位。云端车辆数据验证结果表明，所提出的基于卡尔曼滤波和特征指数化的电池故障诊断算法能够有效地检测故障电池并进行预警。     

柴油机拉缸故障模拟试验研究

根据故障与参数之间的相关性、参数的灵敏性以及现场测试的方便性确定了柴油机拉缸故障模拟试验的6个测试参数。通过试验数据的分析,发现其中的4个参数,可以作为拉缸故障的特征参数,即平均振值、峰峰值、高波幅值脉冲和输出功率。这一结论为大型柴油机的在线监测和故障诊断提供了可靠的依据。