共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
新能源汽车动力电池系统故障诊断研究综述 总被引:3,自引:3,他引:0
随着新能源汽车保有量的增加,新能源汽车安全问题日益突出,严重威胁着驾乘人员的生命财产安全,制约了新能源汽车产业发展.动力电池问题是新能源汽车着火事故发生的主要原因(占着火事故60%以上),发展先进的动力电池系统故障诊断技术已成为新能源汽车安全防护领域的热点.为填补该领域最新中文综述的空白,基于动力电池系统故障发生位置的差异,将故障分类为内部故障和外部故障,描述过充电、过放电、外部短路、内部短路、过热、热失控、传感器故障、连接件故障、冷却系统故障的失效机理.从内部故障和外部故障两个角度出发,总结锂离子动力电池的基于知识、模型、数据驱动三类故障诊断方法的研究现状与最新进展.讨论当前动力电池系统故障诊断技术研究中存在的主要问题,提出电池故障诊断技术的未来发展趋势,以期实现动力电池系统故障的准确诊断和早期防控,提高新能源汽车安全性,保障驾乘人员生命财产安全,推动新能源汽车产业进一步发展. 相似文献
3.
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. 相似文献
4.
5.
基于知识的汽车发动机故障诊断系统 总被引:2,自引:0,他引:2
阐述基于知识的汽车发动机故障诊断的原理,总结汽车发动机故障诊断专家的经验知识,依据诊断推原理,采用产生式规则和框架的知识表示方法,选取深度优先的搜索策略,实验汽车发动机的故障诊断及适用于多种机械设备的故障诊断。 相似文献
6.
本文以专家系统,人工智能基本理论为基础,针对汽车故障的特点,将故障诊断知识分为确定型和不确定型两类,并引入模糊数学原理对不确定型故障进行了深入的刻画,运用模式识别方法建立了诊断模型,辅之故障度,信息度作为启发因子进行有效的诊断。 相似文献
7.
8.
9.
10.
11.
12.
13.
针对传动轴系振动信号故障特征难以提取的问题和进行故障诊断时难以获得大量故障样本的实际情况,提出了一种基于VMD和PSO-SVM相结合的传动轴系故障诊断方法。首先,将传动轴系振动信号进行VMD分解,得到本征模态函数IMF;然后,计算IMF的能量值和对应的能量熵值;最后,用粒子群优化(PSO)优化支持向量机(SVM)的参数,并将归一化处理后IMF的能量值及能量熵值作为特征向量,输入到PSO-SVM中来判断传动轴系的工作状态和故障类型。实验结果表明,该方法故障诊断准确率达到94. 44%,可以准确、有效地对传动轴系进行故障诊断。 相似文献
14.
汽车发动机维修是一项既考验专业技能又突出实践经验的工作。汽车发动机故障原因比较多,对于不同类型的发动机故障需要采取相应的诊断技巧与维修方案。本文结合多年实践调查,以汽车发动机点火故障、发动机抖动故障、发动机烧机油故障以及冷却液故障为例,详细分析诊断技巧与维修经验,以此为今后实践教学提供经验。 相似文献
15.
阐述汽车故障诊断专家系统模型的发展及应用成果,叙述了汽车故障诊断系统技术研究的发展趋势及需要解决和把握的关键问题等. 相似文献
16.
17.
介绍了抛丸除锈设备的工作原理和常见故障分析,并绘制了抛丸器无钢丸喷出的故障树,进行了故障排查和诊断,此方法简便、直观、实用,取得了令人满意的效果。 相似文献
18.
《机械工程与自动化》2015,(5)
为了实现在线监测和诊断汽车故障,针对传统手持式汽车故障诊断设备的不足,将手机蓝牙(Blue tooth)、CAN(Controller Area Network)总线、Android智能手机三者结合在一起,实现了基于蓝牙技术的无线汽车故障诊断系统。基于蓝牙技术的无线汽车故障诊断系统不仅能使汽车检修时方便快捷,而且能使普通大众人群直观地查看爱车的性能。 相似文献
19.
在小波神经网络算法的基础上,从时域和频域两方面对汽车齿轮箱的振动信号进行分析并提取时频域的多个表征值,设计了一种应用于汽车齿轮箱故障诊断的BP神经网络算法。采用经验模态分解法对齿轮箱时频域下的多维故障特征值进行分析和提取,导出了BP神经网络算法步骤和诊断模型;进一步以JZQ! 250齿轮箱为研究对象,对该算法进行数据训练和验证,其状态实验数据结果表明,该算法能够在考虑汽车齿轮箱复杂故障下实现正确诊断,其用于汽车变速箱故障诊断具有较好的实用性,对汽车齿轮箱的故障诊断提供了一定借鉴。 相似文献
20.
齿轮发生故障后,由于采集到的振动信号同时包含故障冲击、确定性啮合信号及噪声等多种信号,同时,各种信号还会受传递路径的影响,使得齿轮故障特征提取难度较大。倒频谱分析是常见的齿轮故障诊断方法,能将边频带中的周期成分显示为单根谱线,有助于故障诊断,但当故障特征信号较微弱时,倒频谱中得到的故障特征并不明显。为此,提出一种特征增强倒频谱分析方法,利用最小熵解卷积、自回归线性预测和小波去噪3种特征增强方法,逐步增强齿轮振动信号中的故障冲击特征,再利用倒频谱进行故障特征提取。通过实验,验证了所提方法的有效性。 相似文献