农用汽车发动机状态监测系统与诊断方法研究

为及时诊断农用汽车发动机的工作性能和故障状态,设计了多类信号采集、分析处理系统。通过对农用汽车发动机监测信号的采集、处理、融合和诊断,搭建了发动机故障诊断平台。详细介绍了故障诊断系统的基本思想和网络架构,重点研究了信号的采集和处理算法,提出并建立了一种基于信息融合的BP神经网络农用汽车发动机故障诊断算法。在线实验表明:系统具有运行稳定、鲁棒性好及诊断精度高的特点,能够满足实际诊断需求。     

面向大数据新能源拖拉机发动机智能故障监测系统

以新能源拖拉机发动机为研究对象,首先介绍了发动机智能故障诊断原理和监测方法,然后基于大数据和神经网络技术,设计了面向大数据新能源拖拉机发动机智能故障监测系统,并进行了发动机故障诊断仿真和试验。结果表明:该方法能够有效地对新能源拖拉机发动机故障进行诊断,诊断正确率较高,可为发动机故障诊断及维修人员提供参考。     

农用汽车发动机状态监测系统与诊断方法研究

通过多种信号收集、分析处理系统的设计、故障诊断系统的搭建等对农用汽车发动机的运行性能及故障状态检测、信号搜集与处理算法的研究等进行了详细的阐述,并且提出了一种依托于信息融合的BP神经网络农用汽车发动机故障诊断方法。经过大量的实验论证,该系统拥有运行稳定、诊断准确等优点,可以满足当前的诊断需求。     

神经网络技术用于发动机故障诊断的研究

结合专家系统与模糊神经网络两种人工智能技术,通过对汽车发动机废气中ＨＣ、ＣＯ、ＣＯ２和Ｏ２含量的分析进行故障推理和诊断。专家系统与神经网络主要采用串型连接,由神经网络模块进行故障分类,再经专家系统给出解释并进一步推理,得到具体的诊断结果,从而实现发动机常见故障的快速、准确和智能化的诊断。     

基于人工智能的农用拖拉机发动机故障快速诊断研究

为了达到拖拉机发动机不解体故障诊断的目的,提高诊断效率,利用发动机缸盖的振动信号的采集原理,提出了一种基于神经网络的人工智能故障检测方法,并构建了拖拉机发动机振动信号采集系统。基于人工智能的拖拉机发动机故障诊断系统,综合运用信号采集技术、信号处理技术、数据库技术、神经网络技术和人工智能专家系统,实现了和数据库及具有强大信号分析的处理功能,提高了系统的诊断实时性和诊断精度。最后,采用田间试验方法,对拖拉机故障快速诊断系统进行了试验验证。试验结果表明:采用人工智能诊断方法不仅可以有效提高系统的准确率,而且诊断系统的响应更加迅速,并且曝晒、震动、灰尘等恶劣的现场环境中仍能保持正常工作的稳定性。     

拖拉机发动机减速器动力学分析及故障诊断研究——基于小波神经网络

以拖拉机发动机减速器为研究对象,从分析发动机减速器故障机理出发,深入研究了减速器行星齿轮系统的建模方法和动力学模型,并采用小波神经网络算法研究了一套拖拉机发动机减速器故障诊断系统,能够对发动机减速器机械故障进行实时诊断。试验结果表明:小波神经网络算法能够准确判断发动机减速器的工作状态,识别率高达96%以上,充分证明了系统的准确性和可行性。     

神经网络专家系统在发动机故障诊断中的应用

依据单一的专家系统或神经网络在处理故障诊断中各自存在着局限性,提出了将神经网络技术与专家系统融合的集成式故障诊断专家系统,并应用于发动机故障诊断中。文章介绍了神经网络专家系统特点、结构、及诊断方法,并对4105ZD发动机在不同的工况下进行测试,测试结果表明,诊断系统能够对发动机常见故障取得良好的诊断效果。     

基于BP神经网络的信息融合发动机故障诊断的研究

为了解决发动机喷油器故障诊断中基于单传感器信息的方法诊断精度低的缺点，在神经网络分析的基础上，提出了一种基于气缸压和、缸盖振动信号和燃油压力等多传感器信息融合的喷油器故障诊断新方法。该方法能有效地提高其故障诊断精度，明显增加了诊断过程的准确性和智能化。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

基于主成分分析和遗传支持向量机的发动机故障诊断

为了实现发动机故障的快速实时诊断,提出一种基于主成分分析（PCA）和遗传支持向量机（GA-SVM）的发动机故障诊断方法。该方法利用振动信号经小波变换和主元分析来提取故障特征,以减少信号的冗余。针对人为选择SVM参数的盲目性,应用遗传算法优化其参数,并与BP神经网络（BPNN）比较。试验结果表明：GA-SVM比BPNN具有更强的分类识别能力,小样本故障诊断正确率达100%。     

一种智能喷灌装置的发动机MSF故障诊断研究

以智能喷灌装置发动机为研究对象,利用神经网络的方式进行发动机故障诊断.引入随机优化算法进行神经网络故障诊断方式优化,对发动机尾气数据进行仿真实验,与初始设置的故障信息代码进行比对,确定发动机故障.仿真实验结果表明:优化后的发动机神经网络故障诊断方式可明显降低诊断过程中的误差值,仿真实验结果与预测信息高度吻合,表明利用随...     

汽车发动机尾气排放及在故障诊断中的应用

文章首先简述了汽车发动机尾气排放的成分、形成机理以及影响尾气排放物的主要因素,然后分析了尾气成分异常与发动机故障的关系,最后通过实例介绍尾气排放在发动机故障诊断中的应用.     

基于粗糙集与BP神经网络的发动机故障诊断模型

结合粗糙集理论和神经网络在信息处理方面的优势,建立了一个基于粗糙集理论和BP神经网络相结合的发动机失火故障诊断模型。通过对EQ6102型发动机的实际试验表明,模型简化了网络训练样本,优化了神经网络结构,提高了系统运行效率。     

基于优化的模糊系统在故障诊断中的应用研究

设计了一种模糊神经网络推理系统诊断发动机故障的方法,该方法应用遗传算法对系统进行优化并对BP网络算法进行改进。这种方法能够优化模糊系统的参数和结构,并且能删除无用的模糊规则。最后以发动机点火系统的次级电压为例,说明这种方法的应用过程。结果证明这种推理系统具有收敛速度快、泛化能力好、推广性强的特点。     

495G型汽油机进排气歧管的设计

利用进排气系统的波动效应理论,对495G型汽油机的进排气歧管进行了设计计算,所设计的进排气系统消除了各缸之间的进气干涉、排气干扰,有利于提高充气效率。发动机台架试验结果表明：采用改进后的进排气歧管,495G型汽油机的动力性与经济性均有较大的改善。     

发动机点火系统故障诊断的研究

建立了基于神经网络的发动机点火系统故障诊断专家系统，并较好地应用于自行开发的汽车示波器上。经实车测试证明，本文所进行的探索是成功的。     

混合涡轮增压发动机的稳态控制映射研究

分析混合涡轮增压技术的原理,并根据废气能量的不平衡性提出了混合涡轮增压系统稳态工况的电机控制模型.针对神经网络具备非线性映射的特点,提出了采用GRNN神经网络解决车用混合增压发动机的非线性控制映射问题.设计了混合涡轮增压发动机控制系统的GRNN神经网络,测试结果表明网络预测映射误差能保持在1.5%之内,收敛速度也非常快.GRNN神经网络非常适合混合涡轮增压发动机的控制映射.     

汽车发动机故障诊断研究的理论与方法

随着现代社会汽车制造技术的不断研究与完善,汽车工艺的不断提升,建立更加合理、更加科学、更加完善的系统汽车故障诊断理论体系成为发展的必要趋势。文章对汽车发动机故障诊断的理论和方法进行分析研究,分别从信号处理、模糊故障诊断、知识等方面进行分析和探讨,望对以后发动机故障的诊断研究提供帮助。