内燃机失火故障的神经网络诊断研究

提出了一种利用排气中HC、CO2、O2浓度和内燃机工况参数信息的内燃机失火故障诊断方法,并提出了描述内燃机失火程度的模糊评价指标,进行了内燃机有失火故障和无故障排气成分检测对比实验。利用实验数据和内燃机工况参数,通过Elman神经网络建立了失火程度评价指标与排气中HC、CO2、O2浓度以及内燃机工况参数之间关系的诊断模型,应用MATLAB软件对该模型进行学习训练,将训练好的神经网络模型应用于内燃机失火故障的诊断。结果表明,此模型能够正确诊断内燃机失火故障。     

汽油机排放性能分析

为了研究492QBW车用汽油机的排放性能,使用AVL4000型五气分析仪连续测量了汽油机在多种工况下排气中有害成分CO、HC和NOx的量。结果表明,汽油机的负荷对CO、HC、NO排放产生一定影响,转速变化对CO、HC、NOx排放物浓度变化影响较小;同时工况稳定情况下连续测量的一段时间内,各排气成分会产生一定波动,尤其是HC排放波动最大。     

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。     

汽车排气加热对CO、HC净化效果的影响

论述了车用汽油机排气中CO、HC的净化机理与方法，通过实验探讨了加热汽车排气是否有助于提高对排气中CO、HC的净化效果。     

基于BP神经网络的汽油机尾气排放预测

为了准确预测汽油机尾气污染物的排放量,基于BP神经网络模型进行了排放预测.针对汽油机尾气排放预测非线性、特征参数多、样本数据量大等特点,以特征参数的数据流信息作为输入,以车辆排放水平为输出;以BP神经网络为基础,分别建立了汽油机CO,HC,NO_x排放预测模型;并完成了正常状态、燃油压力异常、进气压力传感器异常3种模式下的实车验证,将汽车排气分析仪的检测结果与预测结果相比较.结果表明:该预测系统能够对3种气体进行预测,具有较高的预测精度,收敛速度较快,可以达到预期结果,且具有较好的可靠性.     

基于MSPCA的汽油机失火故障诊断

失火会导致汽油机性能下降,排放恶化.失火故障影响因素众多难以准确建立数学模型.本文利用多尺度主成分分析法提取气缸振动信号检测失火故障,对HQ492汽油机进行失火故障实验测试,通过小波变化和主成分分析对提取信号进行重构作为诊断失火故障的特征信号.试验结果表明:利用多尺度主成分分析可以快速准确诊断失火故障.     

基于神经网络的车用汽油机稳态排放特性建模研究

车用汽油机稳态工况下废气排放与汽油机转速、负荷、空燃比和点火正时等影响因素之间是非线性关系 ,通过对汽油机试验排放数据的学习 ,建立起描述车用汽油机废气 HC,CO,NOx 排放与上述因素之间关系的 BP神经网络模型 ,该模型可用于排放预测和实时控制     

进气中氧气浓度对于混合燃烧与排放影响的实验研究

研究了进气中O2浓度对汽油机燃烧和排放特性的影响,分析富氧燃烧的节能和环保效应。试验在一台单缸汽油机上进行,分别为发动机提供环境空气和O2浓度为24%的富氧空气,对比分析缸内压力、放热以及有害物的排放。结果表明,进气中氧气浓度的提高有利于混合燃烧的优化,减少HC和CO排放,但NOX排放量增加。     

电控汽车发动机故障诊断技术研究

分析了神经网络在电子控制汽油机诊断中的应用,介绍了BP神经网络模型和学习训练过程,以及一种电子控制发动机诊断数据读取方法;简要说明了利用神经网络进行电控发动机诊断的过程.     

电喷汽油机过渡工况废气排放特性研究

电喷汽油机在过渡工况中,进气流量和进气管内油膜特性会发生变化,从而使气缸内混合气空燃比偏离控制值,通过对过渡工况下节气门位置、转速、进气流量、排气中氧传感器输出电压和废气HC与CO浓度的实时测量,发现了汽油机过渡工况中混合气浓度变化的规律及特征,并分析了目前空燃比闭环控制存在的问题,为汽油机过渡工况空燃比精确控制莫定了基础。     

汽油机失火故障的模糊模式识别

根据汽油机在有失火现象工况和良好技术下废气排放中的碳氢化合物（ＨＣ）、二氧化碳（ＣＯ２）和氧气（Ｏ２）体积分数值的试验数据,提出了描述汽油机失火故障的模糊向量和模糊模式,并利用海明贴近度方法对ＣＡ６１０２汽油机失火故障模式识别进行了实例研究。     

基于EEMD的发动机失火故障检测

针对发动机失火故障信息难以提取的问题, 提出了一种基于集合经验模态分解(EEMD: Ensemble Empirical Mode Decomposition)的发动机失火故障检测方法。该方法能自适应地将曲轴转速信号分解为若干个本征模态函数(IMF: Intrinsic Mode Function), 确定包含故障信息的IMF, 通过该IMF 幅值的异常波动, 可以较准确地判断发动机发生失火故障的时间。并通过AMESim 建立了发动机仿真模型, 从中采集了3 种情况的曲轴转速信号, 分别利用EEMD 分解并最终检测失火故障。实验结果表明, 该方法能有效提取故障信息, 实现失火故障的离线检测, 并可以作为在线检测的基础。     

内燃机的排气能量流特性

为高效回收利用内燃机排气能量,实现内燃机节能减排,采用试验和模拟仿真相结合的方法对1台乘用车汽油机的排气能量流特性进行研究.首先根据实验数据建立并标定计算模型,通过全工况模拟计算提取排气数据并进行分析,得出排气能量流随工况的变化关系.在此基础上将排气能量分解为余压能、余动能和余热能并得出其能量密度的三维分布图,结合排气压力波、速度和温度研究得出这3种形式能量的脉动特性.研究结果表明:高速高负荷时排气能量有更强的回收潜力;排气能量的主要表现形式是余热能,其次是余压能,余动能通常可以忽略;余压能和余动能的脉动性较大,余热能脉动性较小.研究结果为排气能量回收方式的选择提供了理论依据.     

低温等离子体汽油重整对稀燃极限影响的实验

为提高稀薄燃烧汽油机的稀燃极限,提出了一种借助低温等离子体,利用稀薄燃烧发动机排气中的氧气和水蒸气对燃油进行重整,以制得富氢的混合气体辅助发动机进行稀薄燃烧的方法．设计了一套等离子体排气重整系统,并对其进行了排气重整性能的研究．在一台稀燃发动机上进行了低温等离子体燃油重整对稀薄燃烧极限影响的实验,实验结果表明：利用等离子体排气重整系统,能够进一步扩大发动机的稀燃极限;重整比例每增大10％,发动机燃烧极限增大约1～2个空燃比单位．     

基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

发动机点火系统故障诊断的研究

建立了基于神经网络的发动机点火系统故障诊断专家系统,并较好地应用于自行开发的汽车示波器上.经实车测试,故障珍断结果可靠.     

蒸汽辅助涡轮对增压汽油机瞬态响应特性影响的模拟

为改善废气涡轮增压汽油机加速工况时的瞬态响应特性,提出了蒸汽辅助涡轮增压的方法.基于一款废气涡轮增压汽油机,采用GT-Power软件分别建立并标定了蒸汽辅助涡轮增压与废气涡轮增压的仿真模型.针对该汽油机的常用转速2000r/min,研究了各种蒸汽参数对增压系统及汽油机性能的影响.结果表明,在2000r/min时的加速工况,蒸汽辅助涡轮能使汽油机加速迟滞时间缩短48.0%,加速扭矩提升9.7%.因此,蒸汽辅助涡轮能有效改善增压汽油机的加速性和动力性.     

气门参数对汽油机可控自燃燃烧控制作用的数值模拟

通过可变气门机构使部分燃烧废气保留在缸内，是实现汽油机可控自燃（controlled auto—ignition，CAI）燃烧的切实可行的办法，然而多参数可调气门机构增加了控制的复杂程度。为此，利用-维循环模拟软件在Simulink环境中建立了带有进、排气门升程及定时均可控的四变量气门执行机构（4-variable valve actuating system，4VVAS）的汽油机仿真试验平台，探讨了气门各参数对循环热废气及CAI燃烧过程的控制作用及控制敏感性。研究结果表明，其他参数相同时，排气门定时对汽油机CAl燃烧的影响主要体现在缸内废气残留量及废气温度的大小，而进气门定时主要通过影响进气回流和有效压缩比来影响燃烧过程；存在一个最佳位置没有进气回流，能够取得最大负荷。在当量比燃烧时，排气门参数对发动机负荷和着火时刻的控制最为直接和有效，是汽油机CAI燃烧的重要控制参数。