汽车车道循迹辅助系统的故障诊断策略

汽车车道循迹辅助系统的故障检测是汽车检修人员需要掌握的必备检测技能。该系统一旦发生故障,想要快速锁定故障点,就必须事先熟悉汽车车道循迹辅助系统的原理、零件功能、故障症状、诊断策略等。结合汽车车道循迹辅助系统的故障诊断案例,阐述其完整的诊断策略。结果表明,汽车车道循迹辅助系统故障诊断的关键是掌握该系统的原理与故障数据设置条件,在诊断时需要具备系统认知的整体意识,而多次实践操则作有利于汽车检修人员快速掌握对应的诊断策略。     

基于信号相似度原理的CAN信号解析方法

针对新能源汽车测试前期准备工作中存在的关键信号获取问题,提出了一种基于相似原理的CAN信号快速解析方法。确定诊断信号与CAN报文中所有信号的有效识别区并计算其相似度,按有效识别区相似度从高到低的顺序建立CAN信号验证矩阵,完成对CAN信号的定位。研究结果显示,快速信号解析方法大幅度提升了总线关键信号获取效率,缩短了新能源汽车测试评价的信号解析周期。     

聚羧酸减水剂对微膨胀水泥基灌浆材料工作性能的影响研究

针对控制聚羧酸盐系高性能减水剂的种类和掺量,通过灌浆材料的扩展度、容重、膨胀率、早期强度及保水性进行对比试验,研究了不同型号、掺量的聚羧酸盐系减水剂对灌浆材料工作性能的影响,并验证了其力学性能和膨胀率是否符合要求。结果显示:在掺量为3.7‰~4.0‰时,各型减水剂能明显改善微膨胀水泥基灌浆材料的流动性、保水性,提高其早期强度,同时此种灌浆材料能产生微膨胀。     

使用元征X-431 PAD V进行保养周期归零——以2017款阿斯顿马丁车为例

实测车型2017款阿斯顿马丁车,发动机型号为AM29。功能描述当保养指示灯点亮时,说明车辆需要保养,在完成保养后,需要重置保养周期使保养指示灯熄灭。路径选择自动搜索扫描车辆信息-选择特殊功能T选择保养指示灯归零功能→按功能提示执行。操作说明(1)在元征X-431 PAD V汽车诊断设备上正确选择车型信息(图1)。     

带起动继电器控制的起动电路故障诊断方案设计

起动电路的作用是控制起动机工作,起动发动机,配合点火系统与喷油系统,克服各种阻力,使发动机由静止状态变为怠速运行状态,起动时,起动机必须能带动发动机运转到一定转速,否则会出现起动无力甚至不能起动,发动机起动之后,起动机便立即停止工作。     

逻辑诊断法在现代悦动CAN系统故障诊断中的应用

一、诊断方法概述要想进行有效的故障诊断,必须理解系统的逻辑性。每一个系统都有自己的运算逻辑,故障诊断方法遵循系统的逻辑模式才能发挥更好的作用。无论采用什么诊断方法,诊断过程中都必须做好以下2个步骤:(1)掌握系统内部层级关系故障诊断之前,首先通过对系统结构、工作层级关系的认知,了解系统处于运转状态、等待状态还是关闭状态,然后对故障进行分类,并了解故障发生时的现象,根据检测条件,提出检修建议。     

某SUV车型机舱内异响诊断

使用LMS TEST.LAB工程软件中的噪声诊断模块和小波变换模块对异响噪声信号进行分析和计算,得到异响噪声信号的频率成分和异响发生频次。之后结合异响所属系统旋转部件工作基频进行对比和分析,最终找出异响零件。异响诊断结果显示,该机舱异响频率成分覆盖500～1 000 Hz,异响发生频次与发动机曲轴旋转的0.5阶基频相关,异响由凸轮轴驱动的制动真空机械泵产生。     

舰船非线性配电网络的故障诊断与恢复策略研究

现代化的舰船配电网络非常复杂,需要兼顾到船舶上的各种用电设备。因此当配电网络出现故障时,为了能够最大程度降低故障造成的损失,需要合理控制配电网络的工作节点,隔离出现故障的子网络。本文主要采用了神经网络算法,对船舶非线性配电网络的工作模式进行训练,通过合理控制配电参数,能够有效监控网络中的故障,并提出了故障诊断算法,在故障发生时,能够自动产生恢复策略,并解决一些简单的故障,这种方式大大提高了系统的稳定性。     

Web技术在舰船信息一体化中的应用

在互联网技术和大数据技术快速发展的今天,舰船的信息一体化处理技术也发生了巨大的变化,面对未来越来越复杂的海洋航行环境,舰船的控制信息处理和航行安全环境监测变得更加重要。因此本文主要结合互联网Web技术,建立高速的信息化数据处理平台,能够实时收集和分析舰船通信和控制系统中产生的海量数据,本文主要介绍了基于Web技术的硬件平台,包括电源、信号采集等模块,然后重点介绍了软件实现原理,通过构建先进的信息报警平台,实现了对舰船故障的实时监测,极大地提高了整个舰船在恶劣环境下的生存能力。     

多参量状态下舰船网络异常故障智能诊断方法分析

为了解决船舶网络数据交互压力成倍增长,网络故障特点已由单纯的单要素故障转变为多因素故障的问题。提出多参量状态下舰船网络异常故障智能诊断方法分析。对网络环境的全局变量进行收集,获取多参量状态,根据获取的多参量状态数据,建立多参量网络健康评估模型,定义对参量下故障识别的学习状态,确定网络故障点,通过数据提取算法完成对故障点的提取,完成故障的智能诊断。通过实验数据表明:相同时间量与故障量下,采用设计方法的故障诊断效果,要比传统诊断方法多诊断出故障21处,提升效果明显。