基于FNN-GA融合算法的喷油器在线诊断

依据喷油器开启信号波形的变化规律,探讨了柴油机喷油器故障的产生机理,提出了波形幅度、上升沿宽度和波形宽度等诊断指标.基于模糊推理逻辑和喷油器的工作机理,建立了模糊神经网络(fuzzy neural network,简称FNN)与遗传算法(genetic arithmetic,简称GA)相结合的柴油机喷油器故障诊断模型.以喷油器开启信号的特征参数为基准,建立了故障隶属度和故障类型,制定了柴油机喷油器故障诊断的模糊推理逻辑.运用FNN-GA融合算法,依据不同故障的喷油器开启信号对喷油器故障进行了诊断,对故障模式进行了判别,提出了柴油机喷油器故障的在线诊断策略,并进行喷油器电磁阀驱动电流的故障试验.结果表明,所设计的柴油机喷油器故障诊断模型合理,验证了诊断策略具有较好的分辨率,可用于喷油器故障在线诊断.     

基于模糊理论的柴油机故障诊断专家系统

针对柴油机故障征兆、故障原因及故障机理的复杂性和模糊不确定性,将模糊数学理论与故障诊断专家系统引入柴油机故障诊断。建立故障诊断的模糊模型、模糊隶属度函数,利用模糊产生式系统实现了模糊性知识表达,论述了模糊诊断原则和推理诊断流程,构建了基于模糊理论的柴油机故障诊断专家系统。通过一个具体故障诊断案例证明系统能够快速、准确地推断出故障原因,同时也证明了该方法的实用性。     

柴油机低温起动工况的传感器在线诊断

应用径向基函数网络(RBFNN)和正交最小二乘算法(OLS),提出了一套针对柴油机低温起动的传感器在线故障诊断策略。以传感器采样值作为RBFNN的输入,传感器故障作为输出,进行了柴油机低温起动的传感器在线故障诊断训练与学习。利用RBFNN诊断策略,进行了柴油机低温起动的电流传感器、电压传感器和转速传感器的硬故障(短路、断路、值不变)和软故障(线性度、灵敏度、重复性等误差)的在线诊断试验。结果表明:传感器硬故障的诊断率达到95.6%;最大线性度误差为0.5%,最大灵敏度误差为0.8%,最大重复性误差为0.1%,满足国排放的OBD管理标准。     

融合电控柴油机传感器数据的贝叶斯综合故障诊断网络研究

针对电控柴油机故障源多样性和不确定性的问题,对故障现象、状态数据提取及处理、贝叶斯故障诊断网络、故障源的先验概率获取、故障源的确定等方面进行了研究,在故障现象出现的情况下对如何有效确定故障源进行了分析和归纳,构建了融合传感器数据的电控柴油机贝叶斯网络综合故障诊断模型,提出了使用传感器数据技术检测电控柴油机工作状态,并结合经验法等估算出各类故障源的先验概率。通过运用贝叶斯网络技术推断查找到故障源的方法,并以丰田1KZ电控柴油发动机为实验对象,使用Hugin Expert工具对该诊断网络进行了推理验证。研究结果表明,该诊断网络充分发挥了传感器数据诊断技术的实时性和贝叶斯网络技术的判断决策能力,有效提高了电控柴油机故障诊断的正确率和实效性。     

DPF捕集效率故障诊断方法研究

随着全球排放法规的加严,柴油机对颗粒物排放的要求越来越高。目前,重型柴油机主要采用DPF(柴油机颗粒过滤器或颗粒捕集器)来减少排气中颗粒物排放。根据国六排放法规,柴油机后处理带有DPF时,必需对DPF捕集效率故障进行诊断。本文以采用BOSCH系统的某款重型柴油机为研究对象,通过分析颗粒物传感器和DPF压差传感器不同故障诊断策略,基于WHTC循环探究这两种诊断策略对DPF捕集效率故障判定的适用工况。研究发现,压差传感器法监测DPM捕集效率故障只适用于在高负荷工况与DPF堵塞故障监测及无故障车辆区分度较大的发动机,颗粒物传感器法测DPF捕集效率故障适用于绝大多数工况。     

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。     

基于多传感器融合信息的故障诊断

研究了多传感器信息融合技术应用于复杂设备系统状态监测和故障诊断的方法。简述了多传感器信息决策层融合及 Dempster- Shafer证据理论的基本内涵 ,研究了基于 Dem pster- Shafer证据理论的决策层信息融合进行状态监测和故障诊断的算法 ,利用这一方法对柴油机的工作过程多种故障进行了诊断识别应用 ,其分析结果表明 ,该方法可有效地提高柴油机故障诊断的准确性和可靠性。     

基于虚拟仪器技术的柴油机喷油器故障诊断研究

针对柴油机高压油管内燃油压力波动特性，设计和选择了故障诊断系统的硬件和软件。通过对某一柴油机喷油器典型故障的实验模拟，用串接式压力传感器测取高压油管的燃油压力波，并利用人工神经网络模型进行了故障诊断。     

应用回声状态网络的EGR阀电路在线诊断

为了实现废气再循环(EGR)阀电路控制性能能够满足车载诊断系统(OBD)的排放要求,应用主元分析(PCA)和回声状态网络(ESN)的融合理论,提出了柴油机EGR阀控制电路故障在线诊断策略.利用PSpice软件对EGR阀电路故障仿真的采样值作为PCA输入值,电路各元器件故障代码作为ESN输出值,进行了柴油机EGR阀电路故障的在线训练与诊断.基于PCA-ESN融合诊断策略,进行了EGR阀电路故障在线诊断试验.结果表明:故障诊断的正确率为94.3％;误判率为0.58％;拒绝率为0.15％.该诊断策略能够快速实现故障诊断及定位,确保了柴油机EGR阀在各种工况下快速、准确和可靠开启.     

基于Bayesian网络的柴油发动机故障诊断分析系统的研发

根据电控柴油机故障源的多样性和不确定性,提出了先使用传感器数据技术检测发动机不同阶段的工作状态,然后结合经验法、专家指导意见等预算出故障源的可能发生的概率,最后使用Bayesian网络推断查找故障源的一种故障诊断方法。经某电控柴油机的实验结果表明,该系统结合了传感器诊断技术的实时性和Bayesian网络技术的判断决策能力,提高了故障诊断的正确率和实效性。     

Fault diagnosis for manifold absolute pressure sensor(MAP) of diesel engine based on Elman neural network observer

Intake system of diesel engine is a strong nonlinear system, and it is difficult to establish accurate model of intake system; and bias fault and precision degradation fault of MAP of diesel engine can’t be diagnosed easily using model-based methods. Thus, a fault diagnosis method based on Elman neural network observer is proposed. By comparing simulation results of intake pressure based on BP network and Elman neural network, lower sampling error magnitude is gained using Elman neural network, and the error is less volatile. Forecast accuracy is between 0.015-0.017 5 and sample error is controlled within 0-0.07. Considering the output stability and complexity of solving comprehensively, Elman neural network with a single hidden layer and with 44 nodes is presented as intake system observer. By comparing the relations of confidence intervals of the residual value between the measured and predicted values, error variance and failures in various fault types. Then four typical MAP faults of diesel engine can be diagnosed: complete failure fault, bias fault, precision degradation fault and drift fault. The simulation results show: intake pressure is observable and selection of diagnostic strategy parameter reasonably can increase the accuracy of diagnosis;the proposed fault diagnosis method only depends on data and structural parameters of observer, not depends on the nonlinear model of air intake system. A fault diagnosis method is proposed not depending system model to observe intake pressure, and bias fault and precision degradation fault of MAP of diesel engine can be diagnosed based on residuals.     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

基于排气分析的发动机故障诊断模糊神经网络模型

根据基于排气的发动机故障诊断中信息模糊、多变的特点,结合模糊逻辑系统的鲁棒性、神经网络的时变性和非线性等优势,建立了发动机故障诊断的模糊神经网络模型.模型的训练与测试结果表明,该模型提高了发动机故障诊断的准确性.     

基于熵理论和BP神经网络的船舶柴油机磨损故障识别

磨损监测与故障诊断是保证船舶柴油机安全可靠运行的重要技术手段。随着船舶柴油机运行可靠性的要求增高,其磨损监测需要更加全面,数据呈高维化,无关数据和冗余数据增多,使故障诊断的复杂程度增大,且近年来,船舶柴油机故障诊断的智能化需求日益增高。针对以上问题和需求,基于信息熵理论,应用信息熵值与度量熵组合设计柴油机磨损监测与故障诊断特征属性约简算法,将某型柴油机润滑磨损故障诊断特征指标维度从16维降低至7维;应用设计的BP神经网络和磨损故障模式识别规则,以该型柴油机44个磨损故障诊断数据样本为对象,进行应用验证与研究分析。结果表明,构建的模型在保证数据集分类特性的基础上,有效实现其数据降维,且所构建的磨损故障识别BP神经网络在属性约简后,故障识别的准确性有明显提高。     

模糊Kohonen神经网络的旋转机械故障诊断

针对传统故障诊断方法不能解决旋转机械故障诊断的模糊性问题,提出一种基于模糊Kohonen神经网络的故障诊断模型,通过模糊量化处理故障样本模式和在Kohonen网络中使用邻域函数自动调整权重程度的改进学习算法,较大提高了网络的学习速度和聚类能力,能对具有模糊性的复合故障进行诊断,是一种适合于复杂旋转机械故障诊断的有效可行的方法。     

基于多模块合成的故障诊断智能系统推理机的研制

针对连续性生产线的特点，指出其故障诊断专家系统推理机不宜选用单一模块的形式。结合某钢铁厂的棒材生产流水线故障诊断专家系统研制，在分析连续性生产线的故障特点的基础上，介绍了多模块合成推理机的构造。推理机由基于神经网络的实时诊断模块、基于模糊理论的自动诊断模块和基于规则的人机交互诊断模块有机结合而构成。     

基于小波包-模糊神经网络的发动机泵机组故障诊断

提出了利用小波包分解、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用小波包频带能量分解,可以在不丢失振动信息的情况下降低信号的维数,提高神经网络的识别能力;运用了神经网络使故障诊断具有自适应、自学习能力,对发动机泵机组的各类故障进行分类和训练,得到了满意的效果.