基于均值属性测度聚类分析的推土机故障诊断

提出了一种基于均值属性测度聚类分析的推土机柴油发动机故障诊断模型。模型以训练样本中各分类样本平均值表示其分类中心,建立各判别因子的未确知测度函数,然后计算单指标未确知测度和样本的均值属性测度,以样本均值属性测度进行等级判别;模型回判的正确率为100％。研究表明,该方法是一种用于推土机发动机工作状态分类和故障诊断识别的有效方法。     

Bayes与Fisher判别在边坡稳定性中的应用

基于Bayes判别和Fisher判别分析理论并结合工程实际,选用边坡岩土体的重度、黏聚力、边坡角、边坡高度及孔压比5个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别和Fisher判别分析模型;以28组边坡已知数据作为学习样本进行训练,建立Bayes和Fisher判别函数及对误判率进行了估计以检验模型的优良性,并选用7个工程实例对所建立的模型进一步进行考察,结果全部预测正确。     

全液压推土机状态监测及故障诊断技术的研究

针对全液压推土机自身特征及作业特点,利用MC6控制器和DI2显示器构建了基于CAN-Bus总线的状态监测和故障诊断平台,介绍了整个系统的结构、功能和软件设计方法,给出了监测模块中需实时显示的被监测参数和故障诊断模块中可被识别的故障类型,为整机的正常运行提供了保障.     

基于Bayes判别分析的边坡稳定性评价方法

将Bayes判别分析方法应用于边坡稳定性分析评价中,建立边坡稳定性综合评判的Bayes判别分析模型。该模型选用天然重度、粘聚力、内摩擦角、边坡坡角及边坡高度等5个指标作为判别因子,将边坡状态分为失稳和稳定2个等级,并作为Bayes判别分析的2个正态总体,以岩土体边坡实测数据作为训练样本,建立Bayes线性判别函数和判别准则,最后以回判法对判别准则进行评价以检验模型的可行性。     

基于粗糙集与支持向量机的推土机故障诊断

提出了一种基于粗糙集理论和支持向量机算法的推土机发动机故障诊断方法。首先利用粗糙集理论对故障诊断决策系统进行约简,消除样本噪声和冗余,然后在此基础上设计支持向量机多分类器,进行故障检测分类。这样,可以有效减小SVM训练的数据,加快多分类器的处理速度。实验结果显示它能提高故障诊断的准确性和效率。     

液力机械式履带推土机行驶系统分析与研究

对履带推土机行驶系统进行介绍,并通过运动学及动力学分析,得出了影响履带推土机行驶速度的主要因素,确定了保证发动机正常工作的牵引条件。针对其样机进行了牵引性能试验,为改善推土机性能提供了依据。试验结果表明：合理配备发动机与液力变矩器有利于提高推土机的牵引性能。     

内燃机黑色金属零件磨损状态判别研究

以对内燃机运行状态具有重要影响的黑色金属零件磨损为研究对象,对其磨损状态进行判别研究。运用欧氏距离分类法区分黑色金属零件磨损"正常"、"异常"2类状态,对该方法表现出的分类准确率不高的问题,运用支持向量机方法进行了解决,实例表明,支持向量机方法在内燃机运行状态监测中更为准确可靠,分类正确率可达100%。     

基于1(1/2)维谱熵的发动机状态识别研究

在分析1(1/2)维谱的定义与其计算方法的基础上,结合信息熵理论,提出了一种1(1/2)维谱熵的特征提取方法。通过建立评价发动机状态的特征熵指标,真实反映了机械故障信号的复杂性程度。应用结果表明,该方法对不同状态的信号具有较好的分类能力,实现了对发动机状态的有效识别。     

区域高等级公路网交通状态识别与分析模型研究

为了在区域内分析高等级路网交通状态,建立了一种区域高等级路网交通状态分析模型。首先分析路网结构并对路段的交通状态进行识别分类,建立在实时交通状态下的区域高等级路网模型;然后基于路网模型运用系统结构分析法建立路网交通状态分析模型,根据不同交通状态分析需求得到不同的交通状态可达矩阵,并对可达矩阵分层分析。通过实例表明：该模型能够有效地判别路网中节点的可达性和连通性,描述路网的交通状态时空变化规律,若通过及时发布信息,出行者可根据不同的信息需求来选择最优路径,避免大范围拥挤,从而提高整个路网的运行效率。     

汽车故障诊断与应急处理的基本方法

汽车工作状态判断方法 汽车工作状态良好，表现在以下方面：①发动机启动后，在各种转速下试验，应运用正常，无异响声。待发动机温度达到正常后，应运转平稳，加速性能良好。②起步时，离合器应结合平稳，无打滑、发抖、发响和分离不彻底等现象。③换挡时应轻便可靠，行驶中各挡应均无异响。后桥和传动轴在各种车速或突然改变车速的情况下，均应无明显的震动和撞击声。