汽车故障诊断技术与现代网络技术的结合

文章结合现代网络技术与故障诊断技术,介绍了发动机远程诊断系统的基本组成,分析了系统车载单元的结构和远程诊断中心的结构,重点研究了故障推理系统.     

模态试验分析在汽车车架故障诊断中的应用

针对汽车车架,就激振方法、固定方式、激励方式、试验频段的选择、测点布置、试验原理、测量精度的保证措施等方面,给出了模态试验的具体方法。模态试验和理论计算相对照的结果表明试验模态分析不仅可以用于分析车架结构的动力学特性,还可以直接评价结构设计,预估在一定使用环境下结构可能出现的问题,是一种有效的故障诊断方法。     

PLC控制网络的远程电气故障诊断探析

随着物联网和互联网的快速发展,社会各行业的运行都和智能化、信息化、数字化等紧密联系起来.特别是对工业领域,通过运用智能化及专业的数字信息技术,能够在很大程度上提高效率和节约大量成本,为自身发展提供便捷有效的途径.而PLC技术在电气故障诊断方面具有自身的优势.     

基于改进Elman网络的发动机点火系统故障诊断

在Elman网络理论的基础上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机点火系统故障的诊断.结果表明:该方法具有精度高、可以避免局部最小的优点,试验测试结果表明:测试误差由改进前的1.634%减小为0.045 2%.     

RBF网络在电喷发动机故障诊断中的应用

提出了一种用RBF网络（径向基函数网络）简化汽车故障诊断仪数据流功能的方法.首先建立了RBF网络故障诊断模型,然后以捷达ATK型发动机为例,设计故障样本集,用大量的故障样本集数据对网络进行训练和仿真,并与BP网络作了比较.结果表明,RBF网络比BP网络更适合于故障诊断,可以简化故障诊断仪的数据流功能.     

基于改进Elman网络的发动机点火系统故障诊断

在Elman网络理论的基础上,分析了Elman网络用于故障诊断的不足,提出了改进Elman网络,并应用于发动机点火系统故障的诊断.结果表明:该方法具有精度高、可以避免局部最小的优点,试验测试结果表明:测试误差由改进前的1.634%减小为0.045 2%.     

基于二维改进Transformer网络的农机轴承故障诊断

【目的】针对农机使用环境恶劣、欠缺后期维护等问题,研究农机轴承故障诊断新方法,克服卷积神经网络难以全局提取特征的不足,提高故障诊断准确率以及农机使用的安全性和稳定性。【方法】研究团队引入了二维改进Transformer网络,利用未经优化的短时傅里叶变换生成的二维图像,并结合深度学习模型,进行了农机轴承故障诊断。研究团队还基于凯斯西储大学的轴承故障数据集进行了实验,从而验证该故障诊断方法的有效性。【结果】在训练30轮后即可在故障类型和故障程度的诊断中达到99.9%的准确率,高于常用的卷积神经网络。【结论】该故障诊断方法流程简单,在负载情况下具有可靠性、优越性,减少了对专家系统的依赖,为农机轴承故障诊断提供了更便捷可靠的方法。     

数控机床刀架故障诊断及快速设计方法

通过分析研究在实际中的数控机床相关的使用过程,以机床中的电动刀架为角度分析其常出现的机械以及电气故障,继而实现对整个数控机床刀架的结构进行优化建议阐述,并进行其工作原理说明,详细地论证分析相关机床刀架常见故障现象及问题探究,为后相关机床刀架故障诊断打下实践研究基础。     

汽车车载网络系统故障诊断方法探究

车载网络技术现已广泛应用于轿车上,当网络出现故障时会严重影响汽车的各方面性能,甚至使汽车无法启动、行驶。本文以福特汽车为例探寻汽车网络故障的诊断方法。     

基于神经网络推理的压缩机故障诊断专家系统

设计了一种基于神经网络推理的汽车空调压缩机故障诊断专家系统。此系统将传统专家系统与神经网络技术科学地加以综合,弥补了传统专家系统的诸多缺陷。专家系统的知识库由两部分组成,即浅层知识库和深层知识库。推理过程由神经网络完成,并带有解释说明模块,主要说明诊断结果的判定依据。实践证明,这种方法能较好地解决传统专家系统存在的问题,提高系统的诊断速度和准确率。     

基于EMD与神经网络的内燃机气门间隙故障诊断

利用LabVIEW构建了基于EMD与神经网络的内燃机气门间隙故障诊断系统。用490BPG型发动机在转速为1200r/min、无负荷时进行了试验研究,采用经验模式分解EMD方法对气门振动信号进行分解,对分解得到的前4个固有模态函数IMF分别求其关联维数,将IMF1-IMF4的关联维数作为神经网络的输入向量,用4种工况的80组样本训练了内燃机气门故障诊断系统的网络模型。试验结果表明,20组测试样本的测试结果均与实际状况相一致,诊断准确率为100%,该系统能快速准确地识别内燃机气门间隙故障。     

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PCA-BP神经网络的齿轮故障诊断分析

介绍了基于主元分析(PCA)理论改进后的BP神经网络在拖拉机齿轮故障诊断中的应用;试验中以齿轮振动信号的频域特征为神经网络输入,齿轮的主要故障模式为神经网络的输出,发现训练过的神经网络能很好的满足齿轮故障诊断的要求。     

基于声强信号分析和组合神经网络的发动机故障诊断

建立了一个基于声强信号分析和组合神经网络的发动机故障诊断模型。该模型首先运用小波理论分析各类故障下发动机产生的声强信号,获取反映发动机工作状态的频带特征向量,然后将特征向量用于组合神经网络训练,进行故障模式识别。通过对3Y丰田2．0发动机的试验数据分析表明,这种模型可有效提高故障诊断的效率和准确率。     

基于神经网络的柴油机故障诊断

本文分三种工况,在X4105BD2型柴油机缸盖、缸壁上测取了柴油机燃油系统正常工作状态和五种故障状态下的振动信号。对这些振动信号提取时域特征参数,把这些时域特征参数作为故障征兆向量,研究柴油机BP神经网络故障诊断方法。     

基于模糊神经网络的滚动轴承滑动擦伤诊断

针对故障诊断知识模糊性及引起轴承滑动擦伤的参数间的非线性特点，提出了基于模糊神经网络的故障诊断方法，建立了模糊神经网络模型，并将其应用于滚动轴承的滑动擦伤诊断。网络测试结果表明，本文方法对于滚动轴承的滑动擦伤诊断是十分有效的。     

基于神经网络的发动机实时检测与故障诊断系统

提出了一种基于神经网络的发动机性能实时检测与故障诊断系统，其诊断的特点是利用各种传感器实时采集数据，结合人工神经网络，从不同的角度，不同层次进行诊断推理，并以神经网络来完成自学习功能，大大提高了诊断的效率，研究提出了实时诊断系统的各种抗干扰措施，通过实验验证，该系统具有较高的准确性，并且易于操作和使用。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

液压系统故障诊断的高阶统计量-模糊神经网络法

利用高阶统计量-模糊神经网络方法对液压系统故障进行诊断，解决低信噪比故障特征信号下的故障诊断问题。介绍了高阶统计量和模糊神经网络的基本原理，阐述了利用高阶统计量-模糊神经网络诊断液压系统故障的方法，给出了以阀控液压缸系统为研究对象的诊断实例。试验结果表明，利用该方法对液压系统进行故障诊断可以有效地提高故障特征信号的信噪比，提高液压系统故障诊断的准确性和诊断效率。