航空发动机故障诊断的机载自适应模型

提出了复合拟合法建立状态变量模型,该方法应用于建立高维状态变量模型时,具有较高的精度.将健康参数作为增广的状态变量,设计了卡尔曼滤波器,从而可以根据可测参数的偏离量估计得到健康参数.为了减少自适应模型与真实发动机之间的建模误差,在自适应模型中加入神经网络对稳态基点模型进行修正,从而提高了故障诊断系统的置信度.

基于PSO-BP神经网络的发动机故障诊断

提出一种将粒子群优化算法与BP网络结合的新算法——PSO-BP来训练神经网络的权值和阈值,并将该算法用于汽车发动机的故障诊断。仿真结果表明:PSO-BP算法较传统BP网络的故障诊断结果具有收敛速度快、准确度和精度高的特点。

基于BP神经网络的电控发动机故障诊断应用研究

以桑塔纳2000(GSI)电控发动机为例,在怠速工况下,模拟发动机可能出现的故障,利用金德K81电脑检测仪和NHA—501型尾气分析仪采集数据样本.调用Matlab神经网络工具箱中的BP神经网络,对所采集的其中4组数据样本进行训练、仿真.结果表明,BP神经网络对发动机故障的诊断是迅速、准确的.

基于排气分析的发动机故障诊断模糊神经网络模型

根据基于排气的发动机故障诊断中信息模糊、多变的特点,结合模糊逻辑系统的鲁棒性、神经网络的时变性和非线性等优势,建立了发动机故障诊断的模糊神经网络模型。模型的训练与测试结果表明,该模型提高了发动机故障诊断的准确性。

基于数据融合与专家系统的发动机故障诊断系统

提出了数据融合与专家系统相结合的汽车发动机故障诊断技术,其基本思路是:首先对来自发动机的多源信息进行预处理与特征提取,并通过数据融合计算获取发动机故障的初步结论;然后采用专家决策系统对此诊断结论进行反向推理求证,从而确保诊断结果的精确性与可靠性。为此,给出了系统的基本结构,并对数据采集与处理系统、数据融合技术以及专家决策系统进行了分析,为现代发动机故障诊断系统的建立提供了新的思路。

D-S证据理论与小波神经网络在发动机故障诊断中的应用

将小波神经网络技术和D-S证据理论引入到发动机故障诊断中,利用小波神经网络良好的局部分析能力和融合特性,以及D-S证据理论对于不确定性故障的分析,提高了发动机故障诊断的精确性。

汽车发动机故障诊断与检修

由于现代汽车主要应用电子控制技术,其电气设备和系统结构日趋复杂和精密,同时对发动机的故障诊断与检修也有了更高层次的要求。目前,国产发动机发生故障的频率远高于其他一些国外生产的发动机,因此文章针对其中常见的几种故障,有针对性地提出了诊断和检修方法。1发动机不能启动或启动困难发动机正常工作需要满足3个条件：足够的点火能量和正确的点火正时、浓度恰当的混合气及正常的气缸压缩压力，其中任何一个环节出现问题都会导致发动机不能启动或者启动困难，因此故障诊断应从5个方面进行．

故障码在发动机故障诊断中的合理运用

现代汽车发动机控制系统中都配备有故障自诊断系统,该系统可以实时监测发动机各个系统、部件的工作状态和性能,及时发现系统存在的问题。当故障自诊断系统监测到发动机的某个系统或部件发生故障时,就会点亮驾驶室仪表盘上的故障灯,并在系统中生成相应的故障码以供修理人员调取使用。

一种用于汽车发动机故障诊断的贝叶斯网络模型

在汽车发动机故障诊断领域,由于设备内部的复杂性和导致故障的不确定因素,使得解决不确定性问题成为目前发动机故障诊断的首要问题;文章提出了一种用于解决不确定性问题的贝叶斯网络模型,该模型的网络结构学习采用了基于簇的搜索算法;为了获得更高准确率的故障诊断结果,模型加入了对当前信息集的采用,进行结构和参数的在线学习,改进了网络结构,网络通过概率传播算法,推理出产生故障的原因节点;在实例中表明,该模型能准确有效地解决发动机故障诊断中存在的不确定性问题,并与专家系统故障诊断模型做出比较,验证了基于该算法的贝叶斯网络模型在信息不确定性条件下能够提高诊断的准确率。

基于虚拟仪器的汽油发动机故障诊断研究

1.引言汽车发动机在长期使用后,部分零件会逐渐受到各种损害,造成汽车技术性能下降,最终导致故障,从而严重威胁车辆行驶安全。因此在其故障检测诊断中引入虚拟仪器技术,利用简单的硬件设备,充分利用计算机数据处理的优势,可以大大地缩短诊断和维修周期。

一种发动机故障诊断协议编程方法

发动机故障诊断协议是发动机故障诊断系统的重要组成部分,发动机故障诊断协议的编程方法直接会影响发动机故障诊断的有效性和可靠性。基于Linux多线程技术,采用C语言对发动机故障诊断协议进行编程实现。将代码在长安福特2012款福克斯车辆上进行验证,结果表明设计的发动机故障诊断协议编程方法能够满足故障诊断系统的要求。

《发动机故障诊断技术》创新教学的探讨研究

"发动机故障诊断技术"是发动机类能动类相关专业的重要专业基础课程,学时多、内容广、实践性非常强。本文分析了该课程在教学实践中存在的问题,提出了解决问题的方法、措施和新的教学模式,提高课堂教学效果;并将虚拟仪器技术与网络化技术应用到实践环节中,解决了学生多、教学资源紧缺等问题。

Prolog语言在发动机故障诊断中的研究

本文介绍了人工智能的应用、诊断专家系统的组成和用来编制专家系统的计算机语言:Prolog 语言。对汽车发动机故障诊断的现状以及 Prolog 语言在故障自诊断系统中的应用进行了分析。

汽车发动机故障诊断专家系统的设计

主要研究发动机故障诊断专家系统的体系构成、故障诊断专家系统知识的表示策略及知识库的设计,其中知识库的设计是该系统设计最重要的工作。知识库的设计方法是先将故障诊断的知识抽象成概念,然后用关系数据库来存储这些知识,在此基础上构建一个专家系统。采用一个好的推理,可以保障系统的诊断质量。合理的知识库设计和有效的推理方法使得该系统效果较好。

数据流在发动机故障诊断中作用

随着经济与科学技术的进步与发展,我国各个行业的制造水平与生产技术都得到了相应的提升,汽车机电一体化产品制造技术也获得了飞跃式发展。当前诸多数据电控技术已经被广泛应用到汽车中,如电控系统、传感器、执行器等部分都是以数据流为核心。在汽车向自动化程度不断加深的背景下,汽车发动机故障已经引起更多人的关注。而数据流技术恰好能够帮助人们解决多种复杂的发动机故障问题,使得汽车修理工可以精准捕捉传感器与执行器工作时状况数据。数据流分析对发动机故障的作用是巨大的,能够通过传感器、电子控制单元与执行器来反映参数,这些数据能够真实的反映汽车内部的器件的工作电压与状态,给发动机故障诊断解决问题提供数据依据。

摩托车发动机故障诊断方法及注意要点

(一)摩托车发动机故障诊断方法摩托车产生的故障原因相当复杂,有的故障产生的原因有几十种(如发动机不能启动、发动机无力的故障原因就多达20多种),有的一种原因可导致多种故障现象出现(如活塞环磨损过甚间隙超限,会出现发动机不易启动、发动机无力、燃油和机油超耗等多种故障)。因此,要做到准确而迅速地诊断故障比较困难。

电喷发动机故障诊断误区

1、汽车运行时故障明显,传感器有故障而自诊断系统没有监测到. 电控汽车控制电脑(ECU)对传感器信号进行检测时,只能接受其设定范围之内的传感器非正常信号,从而判别传感器的好与坏,记录或不记录故障代码.一旦解读故障代码故障后,只要对相应的传感器、导线连接器、导线进行检查,找到并排除短路、断路的故障即可.但是,若因某种原因致使传感器灵敏度下降、反应迟钝、输出特性偏移等,则自诊断系统就测不出来了.尽管发动机确有故障表现,但是自诊断系统却输出了正常的无故障码(故障指示灯不闪烁).这时就应该依据发动机的故障征兆进行分析判断,继而对传感器单体进行针对性检测,以便找到并排除传感器故障.

论中职汽车发动机故障诊断教学思路与方法

从学校汽车发动机故障诊断的教学来看,在教学思路和方法上存在很大的问题.在教学实践中,如何正确地建立一套完整的故障诊断思路和方法,对于学生今后从事汽车维修有着非常重要的意义.

面向车联网的电控发动机故障诊断本体的应用研究

面向车联网的电控发动机故障诊断系统,主要就是在车联网的平台下,采用电控发动机的故障诊断方式,全面诊断发动机设备是否存在故障隐患问题,便于开展诊断工作与维修工作。因此,在实际发展的过程中应该面向车联网积极采用电控发动机故障诊断技术,提升整体的故障诊断工作质量和水平,为其后续的发展夯实基础。