拖拉机电气故障诊断方法研究——基于深度学习理论和大数据

基于深度学习神经网络模型,结合拖拉机在线监测数据和故障数据,提出了一种新的故障诊断方法。该方法采用神经网络学习理论和大数据分析能力,通过样本数据的训练诊断出拖拉机各种运行状态的电气故障,为工作人员决定是否对电气系统进行检修提供更多参考信息。以拖拉机电压调节器故障诊断为例,对神经网络深度学习理论故障诊断的准确性进行了验证,结果表明:采用神经网络深度学习理论,在相同条件下具有更高的故障诊断准确率。     

拖拉机发生故障有“信号”

<正>拖拉机出现故障前往往会表现出特有的外观现象,这也可称作"信号"。这些"信号"一般都具有可听、可闻、可见、可触摸或可测量的性质,概括起来有以下6种:     

拖拉机发生故障六“信号”

拖拉机出现故障前往往会表现出特有的外观现象,这也可称作＂信号＂。这些＂信号＂一般都具有可听、可闻、可见、可触摸或可测量的性质,概括起来有以下六种：     

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。     

判断拖拉机故障4种方法

1.部分停止法 部分停止法就是启动发动机后,短时间停止某部分或某部件的工作,观察故障现象的变化情况,以判断故障发生的部位.     

如何用隔除法诊断拖拉机故障

什么是隔除法?就是部分地隔除或隔断某系统、某部件的工作．通过观察征象变化来确定故障范围的方法,叫隔除法。如：隔除、隔断某部位后,若故障征兆立即消除,即说明故障发生在该处。若故障依然存在,便说明故障在其它处。诊断发动机故障时．常用断缸法来确定故障缸位。例如：当发动机冒黑烟时,若切断某缸供油后．冒黑烟立即消除．即表明故障产生在这一缸,然后再对该缸进一步检查。     

基于大数据的拖拉机发动机故障检测系统设计

针对拖拉机发动机检修人员技术水平较低、故障检测系统依赖人工检验程度较高的问题,基于大数据对拖拉机发动机故障检测系统进行了设计.系统主要组成为数据采集模块、数据库、智能分析模块、检测模块、信息查询和维护模块和检修模块.为了避免人工操作对故障检测的干扰,采用卷积神经网络的故障检测方式对拖拉机发动机进行故障类型识别,并对卷积...     

拖拉机故障的检查诊断方法

故障是拖拉机使用过程中经常遇到的问题,阐述了故障检查诊断应遵循的基本原则,及拆却和少拆卸故障检查方法,以提高拖拉机故障诊断效率.     

谈拖拉机故障部位的诊断方法

阐述了通过感官诊断的方法来判断拖拉机故障的部位,把故障排除在萌芽状态,达到提高拖拉机技术状态完好率,提高劳动生产率,提高作业质量,降低作业成本。     

拖拉机信号与照明装置故障及排除

拖拉机照明和信号装置的好坏将会严重影响行车的安全性。本文较详细的讲述了喇叭不响、喇叭声音不正常、灯光不亮和灯光暗淡四方面的故障现象、原因、检查及排除,可供有关维修人员参考。     

发动机冷却系统易出现的故障及排除方法

在我们日常的工作中 ,经常发现好多拖拉机在缺水、漏水、高温等情况下带病作业。轻者缩短拖拉机的使用寿命和引发故障的发生 ,重者导致烧瓦、抱轴、机车报废。进入夏季后 ,天气逐渐变暧 ,发动机的工作环境日趋恶劣 ,如果发动机的冷却系统经常缺水和漏水就如火上加油一样 ,发动机在内、外高温的夹击下 ,会出现各种机械故障。因此 ,加强冷却系统的使用、维修、保养及时排除其故障是非常重要的。那么 ,发动机的冷却系统会出现哪些故障。1　经常缺水突出表现在冷却水水温过高。润滑油温过高 ,机油压力低 ,发动机功率下降 ,耗油量增大。由于机手…     

基于稀疏表示的烤烟烟叶品质分级研究

为了实现烟叶自动检测与分析,通过计算机视觉对烟叶品质进行分级。在提取烟叶图像特征参数的基础上,提出了一种基于稀疏表示的烤烟烟叶品质分级方法。以临朐12种和恩施5种不同级别的烟叶图像作为研究对象,每级烟叶取10幅图像作为训练样本,对每幅烟叶图像取颜色、形态和纹理特征值。利用训练样本的特征值组成稀疏表示方法的数据字典,对每个测试样本计算其在数据字典上的投影,利用最小残差项确定其品质分级。实验结果与基追踪法（BP）、神经网络方法、SVM方法和模糊处理方法实验结果相比较,训练集样本识别率为100%,综合识别率达95.7%,取得了比较好的分类效果。