基于BP算法的发动机万有特性模型

本文利用神经网络建立发动机万有特性模型，具有建模过程简洁，在学习过程中可根据实际条件以修正，数据拟事精度高，可减少分析人员的介入等特点。     

发动机智能化故障诊断系统中的知识融合技术

从知识融合的物理层次角度,对发动机智能化故障诊断系统的知识融合技术进行了探讨,通过对知识融合内容各节点以及接口的研究,证明了知识融合具有互补性、实时性、低成本性和再学习等优点。该项研究成果为实现发动机智能化故障诊断提供了一条新的途径。     

基于信息融合的发动机故障诊断技术研究

针对传统发动机故障诊断方法的不足,采用了信息融合技术进行发动机故障诊断,并通过实例验证了该方法诊断发动机故障的精度。     

基于BP神经网络的发动机排放预测

选用运转参数中的转速和功率(负荷)为变量,对丰田Prius混合动力电动汽车的发动机进行了神经网络排放建模。通过对建立的BP网络进行训练和测试,模型能较好地预测排放性能,并对排放的实时测量和控制提供了一定的依据。     

BP神经网络在挖掘机电气系统故障诊断中的应用

介绍了BP网络的结构及学习算法,阐明了电气系统故障诊断的实现过程.通过对挖掘机蓄电池常见故障进行试验和测试,验证了该神经网络收敛速度快、学习记忆稳定,具有很好的学习功能.     

神经网络信息融合方法在电控发动机故障诊断中的应用研究

利用虚拟仪器技术研制了数据采集与处理系统，可对发动机进行实时数据的采集、历史数据和暂态数据的显示，以及数字滤波、频谱分析、波形显示等方面的数据后处理。以电控发动机常见的故障现象——怠速不稳为例，研究了一种特征层信息融合方法——基于神经网络的信息融合技术在电控发动机故障诊断中的应用。     

BP神经网络在LPG发动机电控系统中的应用

研究了BP神经网络在LPG发动机电控系统中的应用。通过应用误差反传算法训练了网络,建立了LPG进气量和EGR率与两个主要参数之间的影响关系。试验表明神经网络对减少废气排放起了较大的作用。     

模糊逻辑诊断技术在电控发动机故障诊断中的应用

针对汽车电控发动机故障现象与故障原因之间的复杂关系,文章运用模糊逻辑诊断技术对电控发动机故障进行诊断.首先提出了基于智能模糊逻辑诊断技术的电控发动机故障诊断方法,其次建立了模糊逻辑诊断的数学模型,最后通过电控发动机故障实例进行故障诊断,实例验证了此模糊逻辑诊断技术方法的正确性.     

基于信息融合的发动机全系统故障诊断研究

针对传统发动机故障诊断的不足,利用多传感器信息融合技术可以提高故障诊断精度的特点,将多传感器信息融合技术引入发动机故障诊断,提出了基于多传感器信息融合的发动机全系统故障诊断策略。     

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.     

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。     

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。     

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。     

分形维数在基于噪声的发动机故障诊断中的应用

将分形理论引入发动机噪声信号分析中,介绍了基于信号重构的发动机噪声分形维数G-P算法,运用自相关函数法和伪相图法讨论了信号重构中延迟时间的选取,并通过分析比较分形维数随嵌入维数的收敛关系,确定了分形维数计算中合适的嵌入维数。从不同工况下柴油机噪声信号分形维数的变化关系中发现:基于发动机噪声的分形维数可以定性表征发动机故障,在一定程度上可作为内燃机工作状态监测和故障诊断的一个特征量。     

基于信息融合的涡轮发动机故障诊断方法研究

对近年来信息融合方法发展进行总结,着重介绍贝叶斯信息融合法、神经网络信息融合法、基于特征的信息融合法和D-S证据理论信息融合法,分析各种方法的原理和特点。以CFM56发动机故障诊断为例,用BP神经网络的输出结果为输入,构建D-S证据融合的识别框架,进行故障诊断。结果表明,采用D-S证据理论的方法,缩短了故障诊断的时间并提高了故障诊断的精确度。     

信息融合技术在汽车ABS系统故障诊断中的应用

针对汽车电控系统故障诊断的复杂性,提出用多传感器信息融合技术来解决该问题的思路。研究了一种决策层信息融合方法(Dempster-Shafer证据推理法)在汽车防抱死系统故障诊断中的应用,并详细介绍了在此实例中的故障识别框架的建立、mass函数的确定、证据合成等内容。结果表明,基于Dempster-Shafer证据推理的决策层信息融合方法能够准确、有效地诊断出ABS系统故障所在的部位。     

基于尾气分析的发动机故障诊断技术的研究与实践

车辆自诊断技术是诊断发动机故障的重要手段,然而对于发动机的机械故障和无故障信息存储的电气故障的诊断,自诊断技术则无能为力。尾气检测与分析技术为发动机多种疑难故障的诊断提供了有效途径。本文主要阐述了基于尾气检测与分析技术的发动机故障诊断的技术要点,诊断规律的试验研究及应用,旨在提高发动机故障诊断的有效性。