汽车电控发动机故障的诊断与排除

本文针对汽车电控发动机的故障进行了研究和分析,并给出了相关故障诊断与排除的方法,对电控发动机故障诊断中利用故障诊断仪读取数据流技术进行了重点分析。     

汽车发动机故障诊断的理论和方法

在汽车发动机故障诊断的过程中,需要运用一些理论性方法,才能够实现良好的诊断效果,确保汽车诊断工作的顺利进行。因此,本文主要针对于汽车发动机故障诊断的理论和方法进行了分析和探讨,希望通过本文的研究,能够进一步提高汽车故障诊断的水平。     

基于声信号的汽车发动机故障诊断方法综述

基于声信号的汽车发动机故障诊断方法近些年发展较快。本文介绍了当前应用于发动机故障诊断领域的声信号测试方法、小波分析故障信号特征提取方法以及神经网络模态识别等智能故障诊断方法,并与传统发动机故障诊断方法进行了比较,阐明了声信号智能诊断方法在发动机故障诊断方面的优越性,可为今后的发动机故障诊断研究工作提供理论依据。     

汽车发动机故障诊断专家系统

阐述了汽车发动机故障诊断专家系统的构造原理.总结了汽车发动机故障诊断专家的经验知识,依据不确定诊断推理原理,建立了诊断故障树,采用产生式规则,选取了深度优先的搜索策略,实现了汽车发动机的故障诊断.     

基于神经网络的发动机故障诊断分析

首先简要介绍了汽车发动机故障诊断系统及基于神经网络的发动机故障诊断分析方法,其次利用神经网络知识建立起带有单隐层的三层神经网络;在理论分析的基础上,利用MATLAB软件的simulink和神经网络工具箱,分别对发动机故障进行检测和分析,仿真结果表明:利用BP神经网络对发动机故障进行检测具有检测精度高、速度快的特点。     

汽车发动机点火系统的故障诊断方法研究

随着汽车结构的不断复杂化,汽车故障诊断工作的难度也日渐加大,发动机点火系统作为汽车极为重要的组成部分需要在诊断方面做出一些突破。该文从汽车诊断技术发展的四个阶段入手分析,并对发动机点火系统的常见故障进行了分析,根据目前故障诊断技术的发展,详细论述了数字万用表、点火示波器、人工智能诊断法三种方法,以供广大读者参考。     

电控发动机故障诊断方法和思路浅析

随着科学技术的不断发展,现代电子控制系统被应用于生产生活的各个方面。尤其在汽车控制系统中,电控发动机就是一个复杂的控制系统,对于汽车发动机的故障排查以及维修需要有专门的技术人员进行处理。该文对现代汽车电控发动机的故障特点进行了分析,提出了电控发动机的故障诊断方法以及诊断思路。     

汽车发动机异响模糊诊断

论述了基于模糊数学理论的汽车发动机异响模糊诊断方法,提出了模糊诊断数学模型,模糊关系矩阵的建立方法及模糊推理诊断过程,据此建立的汽车故障诊断专家系统,提高了对发动机异响故障诊断的准确性和可信度。     

基于排放检测的电喷汽油发动机故障诊断与维修实验研究

在飞速发展和竞争日益激烈的汽车工业中,装有电子控制燃油喷射系统的电喷汽车越来越成为经济、环保的首选。由于电喷汽油发动机自身的特点,使得电喷汽车出现的故障现象和故障原因比较繁多,检测、诊断、维修也比较困难,对于汽车心脏——电喷汽油发动机的故障诊断与排除也成为对电喷汽车故障诊断与维修的一大难题。经过大量的理论研究和维修检测实践分析,我们发现电喷汽油发动机的废气排放与某些故障之间有着非常紧密的联系,这为电喷汽油发动机的故障诊断与维修提供了新的研究思路和技术手段。     

关于汽车发动机故障诊断方法的研究

汽车发动机结构复杂,工作环境差,汽车发动机的技术参数容易发生变化,主要是因为在高温高压条件下长时间工作,最终会导致引擎故障的出现。该文主要从汽车发动机的结构和工作原理进行分析,介绍了在实际工作中汽车发动机主要发生的故障类型,在实际操作中,分析和总结了目前主要的发动机故障诊断方法,为今后汽车发动机的维护和保养提供了有价值的技术参考资料。     

基于概率神经网络的汽车发动机失火故障诊断

为准确诊断汽车发动机常发生的单缸失火和双缸失火故障, 利用概率神经网络分析发动机转速与曲轴位移角度诊断发动机失火故障。在AMEsim 软件环境下搭建一款四缸发动机模型, 利用故障注入的方式模拟发动机失火, 提取发动机转速和曲轴角度位移数据, 在Matlab 环境下进行数据处理与分组, 建立概率神经网络PNN(Probabilistic Neural Network)进行训练与测试。实验结果表明, 发动机转速与曲轴转角位移能有效反应发动机真实运行情况, 训练好的PNN 可对发动机单缸、双缸失火进行准确的诊断和定位。该方法具有简洁、经济、高效和准确度高等优点。     

基于广义回归神经网络的发动机排放预测

神经网络是当前最主要的智能控制技术之一，它模拟人脑的结构及对信息的记忆和处理功能，具有擅长从输入输出数据中学习有用的知识的特性，发动机性预测是根据发动机结构参数和运转参数估算推测发动机的各种性能指标，因此，可以利用神经网络的学习性的特点，借助针各咱影响汽油机燃烧过程的主要参数对汽油机的非线性影响以网络模型的形式表示出来，文中讨论了如何势开数学模建的方式，选用广义回归神经网络，进行发动机排放特性的预测，应用MATLAB软件工具箱编程，给出了一个汽油发动机的排放特性预测模型的实例。     

神经网络的BP算法在发动机建模中的应用

人工神经网络独特的结构和处理信息的方法使其在实际应用领域中取得了越来越显著的成效.介绍了神经网络的基本概念和神经网络系统在发动机工程问题中的解决方法,并建立了JL474Q1发动机输出转矩神经网络模型,为实现发动机与车辆传动系统共同工作的匹配控制奠定了理论基础.     

基于神经网络的可靠度时序预测方法研究

提出了利用人工神经网络进行可靠度时序预测的方法 ,分别利用径向基函数 (RBF)网络及自适应模糊神经 (ANFIS)网络对发动机涡轮增压器进行了可靠度的时序预测 .结果表明 ,利用神经网络进行可靠度时序预测是可行的 ,并且ANFIS的预测能力要优于RBF .     

BP神经网络主成分分析在试飞数据预测中的应用

本文采用主成分分析与BP神经网络相结合的方法对试飞数据进行了预测,同时还对BP神经网络主成分分析法与全要素BP神经网络分析法进行了比较．结果表明BP神经网络主成分分析法具有精度更高、收敛速度更快等特点。     

基于EMD-1(1/2)维谱熵的滚动轴承故障诊断

为了准确地诊断出滚动轴承的运行状态,将1(1/2)维谱熵引入滚动轴承故障诊断中。先对滚动轴承原始故障信号进行EMD(empirical mode decomposition)分解得到若干个固有模态函数(intrinsic mode function,IMF),进而再求取各个IMF的1(1/2)维谱熵值,作为表征滚动轴承故障类型的特征向量。将其作为Elman神经网络的输入参数,最后区分滚动轴承故障状态和故障类型。仿真分析和实验研究表明,该方法能够有效地提取出滚动轴承的故障特征,最后通过与小波包分析-BP神经网络故障诊断方法对比,显示出其具有更高的识别率,更加表明其可行性和有效性。     

基于离散Hopfield网络的飞机发动机故障诊断的智能算法研究

本文尝试将Hopfield神经网络应用于飞机发动机故障诊断,阐述了基于离散Hopfield网络的故障诊断专家系统的基本结构,对离散Hopfield网络的容错能力做了分析,这样一方面体现了离散Hopfield网络的优越的容错能力,另一方面也为以后对该网络进行进一步优化提供了相关数据,克服了传统诊断专家系统的不足。     

基于改进kmeans聚类方法的RBF神经网络设计

提出了一种利用改进的kmeans聚类算法确定径向基函数的数目、基函数中心及宽度,输出层权值由线性方程组确定的RBF网络设计方法．通过对函数逼近的仿真实验,表明该RBF网络比Kmeans聚类算法设计的RBF网络更加稳定高效．     

基于模糊神经网络的车牌图像识别方法

提出了一种基于模糊神经网络的方法对汽车车牌字符进行识别.该方法首先基于Rough Sets.思想获取初始规则和训练集,基于图像识别目标确定网络结构,通过神经网络的学习算法对网络进行优化.然后根据图像识别的模糊特性,利用模糊神经网络对汽车车牌进行精确的识别.实验结果证明该算法比常规识别算法识别率更高.     

基于径向基网络的表面肌电信号处理

利用AR模型对实验所采集到的原始二通道表面肌电信号（SEMG）加以分析,提取AR系数作为特征值,将其作为训练样本输入到RBF神经网络进行训练,用此网络对前臂的伸臂和曲臂两种运动模式的表面肌电信号进行模式分类。实验表明,基于径向基函数RBF神经网络分类准确率比BP神经网络更高,具有较强的鲁棒性和自适应能力,可以有效识别肌肉的单动作模式。