某型工程车配电箱故障诊断系统设计与仿真

本文主要对某型工程车配电箱检测仪故障诊断系统的FPGA模块、显示模块、辅助开发模块等主要部件进行了选用及电路设计。并通过与之匹配的软件程序VHDL语言对其进行控制,使系统能通过配电箱信号的分析对比来进行故障确认。然后利用仿真软件ModelSim对所设计的配电箱故障检测和诊断过程进行仿真,其中一个无故障仿真,两个典型故障仿真,并对两个故障仿真结果与无故障仿真结果分别进行了对比分析。分析结果表明,本文设计的检测仪故障诊断系统能够快速准确的对配电箱进行故障诊断检测。     

AJR型电控发动机试验台的开发研究

汽车电子电控技术是现代汽车技术的主体,是汽车新技术的具体应用。以桑塔纳2000Gsi轿车电控AJR型发动机试验台的开发研究为例,应用汽车新技术对电控发动机进行改造,把传感器采集到的发动机工作信息,在经过ECU信息处理后,用仪表显示传感器的工作电压,进而监控发动机各部位的工作情况,同时还能根据需要对发动机设置故障,利用发动机自诊断系统或汽车解码器诊断故障部位,提高故障诊断的准确性和诊断速度,尽快排除故障。     

基于WinCE的警车智能仪表控制器的设计

汽车仪表是汽车与驾驶员进行信息交流的窗口,也是汽车高精尖技术的主要部分。近年来,基于嵌入式操作系统的车载仪表的开发日益得到人们的重视。针对公安部门行业,文章设计了一款基于嵌入式微控制器和嵌入式操作系统的车载智能仪表控制器,能方便地实行对多个车载电子设备的控制。该系统由相辅相成的软、硬件平台构成。     

基于CAN总线汽车智能仪表研究与应用

传统仪表采用线束进行连接使得仪表准确度和精确度低,且抗电磁干扰能力弱。CAN总线是一种能进行分布式控制和实时控制的技术,结构简便且通讯度高,可靠性、抗干扰能力强。基于CAN总线进行汽车智能仪表的设计与应用,能提高仪表的工作效能,对汽车仪表技术发展有促进作用。文章先叙述CAN内涵及特点,之后对基于CAN总线汽车智能仪表的总体结构设计进行分析,最后对基于CAN总线汽车智能仪表的系统硬件进行全方位阐述,以供参考。     

一种汽车仪表指针帽体与仪表盘压装系统的设计

针对传统汽车仪表指针压制过程中存在的缺陷,设计一种汽车仪表指针自动压装系统,该系统的仪表指针帽体与仪表盘能自动完成压力和间隙的检测等一系列的自动压装过程,对汽车仪表指针进行压制质量自动监控。     

CNG/汽油双燃料汽车仿真控制器的研究与应用

针对汽车油改气后会出现故障指示灯告警、回火放炮、燃油时加速无力等现象,分析了故障产生的原因,设计了一种CNG/汽油双燃料汽车仿真控制器,能有效地消除以上故障,是保障汽车油改气之效果的必要措施。通过仿真与试验,证明了该设计的正确性和有效性。     

汽车故障诊断仿真实训系统的设计与实现

汽车故障诊断仿真实训系统的设计与实现对受训人员汽车故障检验技能的培训和提升有着重要作用。本文分析了当前汽车故障诊断的几种采用方法,并在此基础上探讨了汽车故障诊断仿真实训系统的设计与实现。     

XK3190系列称重仪表的工作原理及故障分析

本文详细介绍了上海耀华称重系统有限公司生产的XK3190系列称重仪表的基本构成、工作原理、数显原理以及常用的电子元件及电路,特别介绍了该仪表常见的一些故障现象、特征,通过对故障原理的分析,使你在最短的时间里快速判断,找出故障源,解决问题,恢复使用,不影响生产。同时也对我国称重仪表行业的现状、问题进行分析,希望通过全社会的共同努力使我国的称重仪表的质量和性能也能达到先进水平。     

基于LabVIEW纯电动汽车组合仪表设计

通过阐述纯电动汽车组合仪表的发展,应用Lab VIEW平台研究汽车组合仪表虚拟设计。先分析纯电动汽车组合仪表各个显示原理,利用Lab VIEW的面板简单直观的特点设计组合仪表的前面板,仿真界面与程序框图,在表头(指针显示)、报警(指示灯显示)、车辆信息三个部分完成汽车组合仪表功能设计。该设计基于Lab VIEW的汽车数字仪表仿真平台智能化程度更高,具有灵活、形象逼真,速度快,效率高的优点,利于纯电动汽车仪表的虚拟仪器设计和仿真的应用与发展。     

电动助力转向系统仿真测试台设计与实现

为了在实验室环境下对所开发的EPS的控制策略和控制性能进行测试,以电动助力转向系统为研究对象,设计出一种试验仿真测试台,该仿真测试台通过数学模型和相应的设备向EPS提供一个与实际汽车行驶时相似的物理运行环境,实验结果表明,该仿真测试台能很好的模拟实际的汽车工作环境,对EPS系统的开发具有很好的助益。     

设备故障智能诊断方法的研究

模糊聚类、粗糙集理论、灰色系统理论等相关技术曾被广泛应用于设备故障诊断中,但是模糊聚类只能对已知样本做出决策,不具有柔性,不能通过已知信息和聚类结果对问题所涉及领域内的新样本的类别做出决策;粗糙集理论不能处理连续变量;而灰色系统理论无法去除故障诊断中冗余的特征参数,不能区分各特征参数的重要性,因而制约了它们在故障诊断中的应用.在本文中,这几种理论被有机地结合起来,应用于设备故障诊断中.在故障诊断过程中,首先利用模糊c均值聚类对样本的参数进行离散化处理,求得各类别的聚类中心,接着基于粗糙集原理对设备特征参数进行约简,去除冗余参数,定量确定各特征参数的重要程度,然后根据约简的特征参数和各参数的重要程度,利用灰色关联分析的方法确定各种标准故障状态与目前设备状态的关联度,从而找到设备的故障所在之处.在本文最后部分通过实例证明,将模糊c均值聚类、粗糙集理论和灰色系统理论结合起来,应用于设备的故障诊断中是一种行之有效的方法,为智能故障诊断提供了理论基础.     

基于小波簇的包络解调方法及其在故障诊断中的应用

本文提出了一种基于小波簇的带通滤波和包络解调方法。通过合理地选择小波参数，用多个单类Morlet小波组成的小波簇可构成具有零相移、平顶通带及快速衰减过渡带特性的带通滤波器，可用于提取振动信号的高频自然频率成分。由于该小波簇的虚部是实部的Hilbert变换，可用于实现包络解调提取振动信号在高频谐振带的包络成分。将该方法用于干式真空泵轴承故障的诊断中，结果表明可有效地提取故障特征频率，实验结果验证了该方法的有效性。     

基于LVQ神经网络的混沌时间序列分类识别

学习向量量化 (L VQ)是一种自适应数据分类方法 ,文中研究了利用这种神经网络对 Jeffcott转子碰摩模型的非线性混沌时间序列进行分类识别 ,得到了满意的效果。分析结果表明 ,该方法可以实现对这类混沌信号和其它响应信号数据的聚类 ,对非线性信号分类识别提供了一种较为直接的处理方法     

基于混沌与模糊聚类的机械故障自动识别

针对大型设备旋转部件故障模式复杂难以识别的特点,给出一种基于混沌与模糊最大似然估计(Fuzzy maximum likelihood estimates,FMLE)聚类相结合的机械故障自动识别方法。利用混沌振子在非平衡相变对小信号非常敏感,而对噪声和高频信号具有强免疫力的特点,可检测出微弱的周期故障特征信号的频率信息,并将其作为故障特征矢量输入模糊聚类分类器进行聚类分析。同时针对传统的模糊C均值(Fuzzy center means,FCM)聚类算法只适用于球形或者类球形数集分布的缺陷,将基于最大似然估计的距离测度引入故障特征聚类中,实现对不同形状、大小和密度的故障数据集模糊聚类,达到对机械故障自动识别的效果。试验及工程实例结果证明了方法的有效性,同时证明FMLE聚类具有更好的聚类效果。     

基于自组织映射神经网络的低压故障电弧聚类分析

故障电弧是引发电气火灾事故的主要原因之一。本文将自组织映射神经网络引入故障电弧研究领域,进行不同负荷情况下的故障电弧聚类分析。首先参照美国UL1699标准进行实验采集电流数据,然后利用自组织映射神经网络实现可视化聚类,并结合k均值法确定聚类结果。根据聚类结果分析故障电弧,对比故障与正常时的差异所在,提取故障电弧的典型特征。最后总结出故障电弧电流通常具有电流短时为零、正负半周差异大、幅值变化大等特征,为故障电弧保护技术提供参考。     

基于支持向量机和人工免疫的机械故障诊断方法研究

利用支持向量机对故障数据进行分类和聚类预处理,然后以类别的中心作为人工免疫系统的疫苗,人工免疫系统把它们作为抗体进行免疫学习,获得机械系统的故障特征,并为人工免疫系统提供先验知识,建立故障状态空间至解释空间的映射.用该算法对转子实验台仿真故障进行分类比较,结果表明该算法学习速度快,诊断效果好.     

基于复杂网络聚类的提升机主轴系统故障诊断

针对摩擦提升机主轴系统故障耦合、特征微弱且故障样本不易获得的问题,提出一种基于复杂网络聚类的故障诊断方法。该方法从故障数据表现出社团结构的本质出发,以各数据样本为节点,样本间相似度为有权边,构建加权无向复杂网络模型。将欧氏空间的距离概念推广到样本的相似性度量上提出广义Ward距离,并以此为划分准则,采用凝聚型合并过程实现网络模型中社团的聚类,即故障样本的模式识别。对主轴系统过载、滚动轴承元件故障及减速器齿轮磨损的分析结果表明,该方法能准确对已知故障类型数据进行聚类,且在过程中不预设类别数,为收集异常数据以便未知故障的发现与诊断提供了数据支持。与多元支持向量机与快速Newman算法的对比结果表明,该方法具有更高的识别精度与效率。     

基于ASP．net技术的绝缘监督管理系统的设计与开发

本文设计开发了基于ASP.net技术的绝缘监督管理系统,它具有缺陷管理功能.可进行设备缺陷上传、统计与分析,建立了电气设备虚拟医院,能在网上对电气设备进行缺陷(故障)诊断;建立了电气主设备(变压器)故障模式查询系统;同时将提供专业资料下载、及绝缘监督专业问题交流与答疑等专业技术支持,主要面向各生产运行单位的决策层与专业人员服务.     

无线传感器网络多级融合的机械故障诊断方法

针对无线传感器网络(wireless sensor networks,简称WSNs)在机械故障诊断应用中大量振动信号不能实时传输的问题,提出基于无线传感器网络多级分层信息融合的机械故障诊断方法。采用簇树网络结构扩大网络监测覆盖范围,将WSNs信息融合分为数据级融合、特征级融合及决策级融合3个级别,终端节点对原始振动信息进行数据级融合以提取特征信息,簇头节点对特征信息进行特征级融合得到模式识别结果,网关节点对识别结果进行决策级融合以评估机械设备运行状态。实验表明,该方法能有效应用于机械故障诊断。     

A novel KFCM based fault diagnosis method for unknown faults in satellite reaction wheels

Reaction wheels are one of the most critical components of the satellite attitude control system, therefore correct diagnosis of their faults is quintessential for efficient operation of these spacecraft. The known faults in any of the subsystems are often diagnosed by supervised learning algorithms, however, this method fails to work correctly when a new or unknown fault occurs. In such cases an unsupervised learning algorithm becomes essential for obtaining the correct diagnosis. Kernel Fuzzy C-Means (KFCM) is one of the unsupervised algorithms, although it has its own limitations; however in this paper a novel method has been proposed for conditioning of KFCM method (C-KFCM) so that it can be effectively used for fault diagnosis of both known and unknown faults as in satellite reaction wheels. The C-KFCM approach involves determination of exact class centers from the data of known faults, in this way discrete number of fault classes are determined at the start. Similarity parameters are derived and determined for each of the fault data point. Thereafter depending on the similarity threshold each data point is issued with a class label. The high similarity points fall into one of the 'known-fault' classes while the low similarity points are labeled as 'unknown-faults'. Simulation results show that as compared to the supervised algorithm such as neural network, the C-KFCM method can effectively cluster historical fault data (as in reaction wheels) and diagnose the faults to an accuracy of more than 91%.