基于虚拟技术的发动机智能故障诊断系统

运用多种传感器实时采集和反映发动机工作状况的技术数据，结合虚拟仪器数据采集分析技术和模糊数学故障诊断方法，提出了一种基于虚拟技术的发动机智能化故障诊断系统。介绍了该系统的硬件结构、软件功能以及系统的设计方法。通过实验论证：系统具有较高的准确性、实用性，并且易于操作和使用。     

虚拟技术在拖拉机检测试验中的应用

运用LabVIEW虚拟仪器技术开发平台，设计开发了一个由计算机控制的拖拉机检测试验数据采集分析系统。系统具有操作简单、测试项目多和测试精度高等特点，能对拖拉机的左右制动性能、轴重、车速、烟度、灯光及噪声进行自动测试。     

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。     

基于光谱技术和SIMCA方法的润滑油鉴别

采用可见-近红外反射光谱结合独立软模式法(SIMCA)建立了不同品牌种类的发动机润滑油鉴别模型。研究在对光谱曲线进行预处理和聚类分析后,选取7个主成分作为SIMCA的最佳主成分,随机采用20×7个样本作为建模样本,其余的10×7个样本作为预测样本,应用SIMCA进行分类,在显著性水平为5%下,其预测分辨率为98.75%。根据变量建模能力值,找到敏感波段420~425 nm、492~518 nm和796~816 nm,并将相应波段的光谱值作为SIMCA的输入,进行建模预测,结果发现,预测分辨率达95.71%,能快速正确区分7类不同品种的发动机润滑油。     

后置发动机冷却系统改进设计

对客车后置发动机冷却系统冷却能力不够的情况进行了分析；提出了具体的改进方案，并进行了理论计算分析和计算机辅助软件设计。实践证明，改进方案基本满足了客车对冷却系统的使用要求。     

智能化故障诊断技术的研究与应用

智能化故障诊断技术的关键是基于数据预处理方法的故障模式识别理论,其中数据预处理方法主要有小波分析、主成分分析和粗糙集理论等,故障模式识别理论主要有专家系统故障诊断法、模糊故障诊断法、灰色模型故障诊断法、神经网络故障诊断法、信息融合故障诊断法和基于范例推理的故障诊断法等.本文对各类故障模式识别方法的诊断原理、特点及其应用进行了比较和分析,并指出了故障诊断技术的发展趋势.     

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。     

油锯减振降噪技术的研究和应用

油锯使用过程中产生的振动和噪声对操作工的身体健康影响很大,因此减振降噪是油锯性能改进设计的一个重要目标.阐述了油锯振动和噪声的成因及危害性,对油锯发动机、机体与手把连接装置的减振降噪技术进行了比较分析,指出了油锯减振降噪技术的发展趋势.     

基于组合式神经网络的柴油机性能评估预测模型

在分析发动机结构参数和运转参数对发动机性能影响的基础上,提出了一种基于组合式神经网络的柴油机性能状态评估预测模型.该模型首先运用动态聚类法将大样本分成若干小组,然后分别用于子网络训练.性能评估时,运用模糊识别法选择相关的子网络进行评估分析.实例验证表明,这种模型能有效解决大样本下神经网络训练速度慢和难以收敛的问题,提高柴油机性能评估预测精度.     

基于神经网络的传感器非线性校正方法

BP神经网络是基于数值计算的知识处理系统，具备高度非线性映射的能力。为此，通过BP神经网络对样本数据进行训练，得到非线性校正模型及精度值，然后与传统的曲线拟合方法进行比较分析。结果显示，基于神经网络模型的传感器非线性校正方法具有良好的测试精度和实用性。