液压系统自学习故障诊断研究

对液压系统的自学习故障诊断方式进行了研究,通过故障分级进行系统推理诊断建模,借助函数拟合、参数逼近等手段,不断在自学习中完善参数,从而在故障出现时分析原因并计算出隶属度,并给出了CY2铲运机局部系统应用的示例,对这一方式的进一步深入应用和改进有指导性意义。

基于PCA-SVDD的故障检测和自学习辨识

为了利用多变量统计过程控制在故障检测上的优势以及克服其在故障辨识诊断上的缺陷,提出一套新的用于化工过程的故障检测和自学习辨识算法.应用主元分析(PCA)实施故障检测并对故障数据运用PCA特征提取,提出3种基于主元分析-支持向量数据描述(PCA-SVDD)的模式判别方法来实现故障的自学习辨识:考虑故障辨识时可能出现的类分布重合问题,分析和比较了基于欧氏距离和归一化半径判别这2种方法,提出针对新型未知故障辨识的加权归一化半径判别法.通过对Tennessee Eastman(TE)过程的仿真研究,说明了提出的故障检测和自学习辨识算法的可行性和有效性.

浅谈ETC控制策略分析及其应用

文章简述了ETC系统的组成、基本控制策略,以及某车型常见故障的模式及处理对策,浅析ETC系统对整车调校的升级应用。