基于神经网络和瞬时转速的发动机失火故障研究

针对发动机在实际运行中经常会出现单缸或者多缸失火这种典型的故障现象,从发动机瞬时转速的角度出发,对发动机气缸受力与发动机曲轴瞬时转速之间的关系进行了理论研究,建立了其数学模型,利用Matlab仿真软件对瞬时转速曲线进行了仿真,确定并提取出了特征参数,比较了正常情况下和单缸不点火情况下瞬时转速曲线及其特征参数的变化,并把这些变化作为下一步诊断发动机失火故障的判断依据;最后,建立了一个BP神经网络并对其进行训练,同时把仿真数据和实例数据输入到网络中进行了理论验证和实例验证。研究结果表明,发动机的失火故障与发动机瞬时转速之间存在一定的关系,利用瞬时转速可以对发动机失火故障进行诊断;利用BP神经网络方法诊断发动机失火故障具有速度快、效率高的特点。     

基于RBF神经网络发动机失火故障的诊断研究

提出了利用排气中HC、CO2和O2浓度诊断发动机失火故障的方法和描述发动机失火程度的模糊评价指标,并结合RBF神经网络建立了该评价指标和排气中HC、CO2和O2浓度间关系的模型,应用MATLAB软件对该方法进行训练及仿真,仿真结果表明此模型具有良好的诊断性能。     

多缸发动机失火故障诊断技术

介绍的失火故障诊断技术,是结合多缸发动机实际工作过程的特点,将作功冲 最高爆发压力出现时刻附近瞬时角加速度的变化作为多缸机失火现象存在和分辨失火缸的判据。这一技术降低了已有诊断方法中对高速数据采集硬件系统的要求。     

汽油电控发动机失火及其诊断技术方法

通过阐述汽油电控发动机失火概念、影响及其原因,说明了失火对汽油电控发动机的排放污染较为严重,介绍目前常用的失火故障诊断技术,以便于有效地排除失火故障,降低排放,同时为一线的维修人员提供故障诊断依据。     

浅析汽车发动机失火故障诊断方法

本文论述了汽车发动机失火故障的相关概念,通过对其故障的定义、造成故障的原因以及故障带来的安全风险进行了叙述;在此基础上,整理当前的研究结论并结合自身的教育教学和实践经验,总结了目前我国汽车发动机失火故障的诊断方法以及诊断依据,在总结自身工作经验的基础上以期为相关工作人员处理失火故障提供可行的方法.     

基于神经网络的发动机异响故障诊断方法

针对汽车发动机异响故障诊断的特征，研究了基于神经网络的异响故障诊断专家系统的理论和方法及实现过程，并将此方法应用于具体JL368Q发动机异响故障诊断，结果表明其方法具有通用性和高效性。     

基于HHT与GA-BP网络的离心通风机故障诊断

结合HHT同GA-BP神经网络的优点,提出了将二者结合用于风机故障诊断的新方法,并且应用最新提出的方法改进HHT(希尔伯特-黄变换),使其应用更为有效。利用HHT构造出代表振动信号特征的"能-频分布";根据GA-BP网络模型能够逼近任意非线性函数和具有高效寻找全局最优的特点作为特征分类器,进行故障诊断。风机故障诊断结果表明,该方法是可行有效的。     

基于概率神经网络的发动机故障诊断方法研究

传统的故障模式诊断方法很难对复杂系统的故障进行诊断,概率神经网络作为一种自适应的模式识别技术,以其结构简单、学习速度快、具有非线性处理和抗干扰能力强等优点广泛应用在模式分类和故障诊断领域。利用概率神经网络对发动机的故障进行诊断,仿真结果表明,该网络诊断准确率高、泛化能力强,可以对系统进行实时监测和诊断。     

基于神经网络的发动机故障波形识别方法的研究

介绍了波形信号的识别机理：应用神经网络技术,设计了发动机故障波形识别系统,并对BP算法进行了改进,并且以发动机喷油器电压波形为例,校验了设计过程（此例的信号通过检测获得）。     

基于模糊神经网络的航空发动机故障诊断研究

提出了一种基于模糊神经网络的航空发动机故障诊断方法 ,介绍了该方法的原理及实现算法 ,并利用某型发动机地面定检状态实测的数据作为样本数据 ,建立了基于模糊神经网络的航空发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识 ,结果表明该方法具有学习速度快、诊断精度高等优点。可用于航空发动机及其它装备的故障诊断。     

基于自组织竞争神经网路的发动机故障诊断

自组织竞争神经网络自适应的学习能力拓宽了人工神经网络在模式识别和分类方面的应用,提出了基于自组织竞争神经网络的发动机电控系统故障诊断的方法。介绍了自组织竞争神经网络及学习规则,以长城哈佛GW2.8TC发动机为实验对象,让发动机在怠速状态下,对发动机进行故障设置,利用金德KT600故障诊断仪采集发动机的故障数据流,运用自组织竞争神经网络建立诊断模型,诊断结果表明自组织竞争神经网络能对故障进行识别和分类,准确率比较高。     

基于SOM神经网络的柴油机故障诊断

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于柴油机的故障诊断.利用夹持式传感器获得柴油机喷射系统的燃油压力波形,对波形进行时域分析和特征提取.根据所取得故障信息及其对应的故障类型来构造网络结构,用单一故障样本对网络进行训练,根据输出神经元在输出层的位置对故障进行判断.通过仿真实验验证SOM神经网络在柴油机故障诊断的正确性.经实例分析证明,该方法可对故障进行有效诊断.     

基于BP神经网络的数控机床故障诊断系统研究

提出了一种改进的BP神经网络模型应用于数控机床的故障诊断方法。介绍了诊断模型结构及网络算法，并以机床中进给伺服系统为例，分析其诊断过程；然后利用MATLAB对其进行仿真验证，并提出采用CPLD器件进行硬件的实现方式。试验结果表明，该方案合理、可行，有较好的应用前景。     

基于ART-并行BP神经网络的柴油机故障诊断研究

造成柴油机故障的因素十分复杂,既存在单一类的故障,也存在多故障并存的现象,而且还会出现新型故障,仅仅依靠单一神经网络技术的故障诊断已经很难满足对柴油机的有效诊断要求。本文在信息决策层融合的基础上,以自适应谐振理论ART和误差反向传播并行BP两种神经网络为基础,建立了用于柴油机故障诊断的新型神经网络模型,以对柴油机系统工作过程多种故障进行诊断识别。通过与单一神经网络诊断识别结果的分析和比较,验证了该神经网络诊断模型的可行性,它能够进行多传感器信息综合诊断,既能识别单故障和并发故障,又具有识别新型故障的能力,可有效地提高对柴油机故障诊断的准确性和可靠性。     

小波神经网络在柴油机异响故障诊断中的应用

由于活塞敲缸响和活塞销响是两种常见的、却难以区分的柴油机异响故障，这里对EQ6BT柴油机这两种故障的缸体振动信号进行Morlet连续小波变换，作出小波变换系数的尺度-能量谱，并提取出尺度为3～20范围内的最大尺度能量作为BP神经网络的输入向量，实现了对该柴油机两种异响故障的诊断。结果表明，利用文中所设计的小波神经网络能非常准确地诊断出EQ6BT柴油机活塞敲缸响、活塞销响两种异响故障及其故障的严重程度。     

基于RBF神经网络的电喷发动机故障诊断研究

研究了RBF神经网络用于电喷发动机故障诊断的方法,并建立了神经网络故障诊断模型.最后,以桑塔纳2000型(GSI)轿车AJR型发动机怠速不稳故障为例,通过V.A.G1552汽车故障诊断仪测量出所需的数据流,在Matlab环境下,对电喷发动机怠速不稳的2种故障原因进行故障模式识别和诊断.     

神经网络技术在基于油液分析的发动机磨损诊断中的应用

本文简述了人工神经网络技术在基于油液分析的自行火炮发动机磨损故障诊断中三个方面的应用,具体包括发动机磨损磨粒的识别、磨损元素浓度值的预测和磨损故障智能诊断,文后讨论了神经网络技术应用与机械故障诊断领域的发展方向。     

基于AR模型和神经网络的柴油机故障诊断

建立了一种基于AR与RBF神经网络结合的诊断模型,模拟柴油机气阀漏气、气门间隙异常等故障,采用NI公司PCI-4472采集卡在LabVIEW7．1平台上开发了柴油机缸盖振动信号采集分析与诊断系统。首先,对利用该系统采集的缸盖振动信号样本建立AR模型并进行AR谱估计,从中提取5个特征参数,然后利用RBF神经网络进行故障模式识别。结果表明,该诊断方法具有较高的精度,便于故障在线监测与诊断系统的开发。     

基于张量Tucker分解的发动机故障诊断

传统的发动机故障诊断方法通常基于向量模式进行数据特征的提取,可能丢失数据之间的结构信息及破坏数据间相关性。针对此问题,提出了一种张量模式下提取发动机数据特征的方法,构建了“信号类别×曲轴转角×转速”的三阶张量形式的发动机状态样本,基于交替投影的思想,使用HOSVD-HOOI张量Tucker分解的联立求解算法,对数据特征进行提取。分别以不进行数据特征提取和基于张量Tucker分解进行数据特征提取两种情况,对发动机正常工作、单缸失火和轴系不对中三种状态下的实验数据进行处理,并分别采用网格参数优化法、遗传算法、粒子群算法对分类模型中的参数进行优化。以预测准确率和模型学习时间为评价指标进行对比分析,实验结果表明,基于张量Tucker分解的发动机数据特征提取及诊断方法预测准确率更高,分类模型学习时间更短。     

神经网络在车辆发动机故障诊断中的应用

从应用角度分析了BP神经网络设计中网络的层数、隐含层的神经元数、学习速率、期望误差等的选取问题,并提出了相应的改进方法.将神经网络技术引入到发动机故障诊断中,提出了一种适于发动机故障诊断的BP神经网络模型.设计出了一套能进行发动机故障诊断的实验系统,并通过模拟气门间隙故障进行了实验验证.