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。     

电喷发动机难起动故障诊断研究

随着电子控制技术的发展及在汽车上的应用,电喷发动机工作系统越来越复杂,其故障原因的诊断也越来越困难,如何提高汽车故障诊断的高效性、精准性更显重要。针对电喷发动机难起动的问题,通过对影响电喷发动机起动性能的相关系统的深入分析,分类研究了引起电喷发动机难起动的故障原因,优化故障诊断流程,并采用故障树分析方法对电喷发动机难起动故障进行快速诊断。在定性定量分析的基础上,指出提高发动机电子控制系统的可靠性是减少发动机难起动故障的有效途径。     

电喷发动机故障诊断方法及实例分析

本文通过对电喷发动机故障特点的分析,提出了不同于传统化油器式发动机的故障诊断方法,主要利用控制电脑ECU的特点、故障代码等进行诊断;新的故障诊断方法可以提高电喷发动机故障诊断的准确性和诊断效率.文中还列举了相应的诊断实例.     

汽车电喷发动机系统组成和常见故障分析

对汽车电喷发动机系统组成和常见故障分析进行初步探讨,为电喷发动机故障自诊断这一领域提供基础性研究成果。     

电喷发动机起动困难的原因及排除方法

文章对电喷发动机起动困难的原因从八个方面进行了分析,并提出了诊断及其排除方法。     

电喷发动机教学平台的开发与研究

针对目前汽车专业教学的机遇和挑战,通过软、硬件的设计与开发,研制了一种具有智能故障设置功能、可视化的电喷发动机教学和科研平台。该平台以电喷发动机台架与检测主机为主体,运用微电子技术、计算机技术和人工智能技术,实现了智能故障设置、主要信号的数字与波形显示、信号模拟以及利用故障诊断专家系统引导学生进行故障诊断等功能,能帮助学生更快、更好得掌握电喷发动机的相关知识,对提高汽车专业的教学质量将起到重要作用。     

电喷发动机使用与维修的几点认知

随着我国国民经济的不断提高,汽车快速走入居民家庭,而家庭用轿车普遍采用了新的汽车发动机电喷技术。由于电子控制燃油喷射系统的设计、结构、制造及工作原理等方面的因素,使其与普通化油器式发动机在使用、维修方面也有着不同之处,这导致了很多驾驶维修人员在使用和维修作业中应用不当,造成了不应有的损坏和损失,从而影响发动机的工作性能。本文主要介绍了电喷发动机的使用与维修等方面的几个注意事项。     

电喷发动机课程教学创新性研究

电喷发动机作为高职汽车类专业的核心课程,培养学生对电喷发动机检修思路和排除故障的能力的最有效方法是采用理实一体化教学方法,基于该课程的教学特点,结合实际岗位的需要,开发配套教学系列设备并对该课程教学模式、考核和训练过程进行创新改革.     

电喷汽油机燃烧甲醇燃料的试验研究

在发动机结构参数未做任何调整的情况下,通过发动机台架试验,研究了中、高比例甲醇汽油对电喷发动机动力性和燃油经济性的影响。试验结果表明:燃烧M30、M50、M85三种甲醇燃料与燃烧93#汽油相比,发动机的动力性和燃油经济性都下降,且随着甲醇掺烧比例的增加,动力性和经济性降低的越多。     

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.     

MATLAB环境下的船用柴油机故障诊断的模拟研究

提出一种基于径向基函数神经网络模型应用于船用柴油机故障诊断的方法,设计相应系统的征兆／故障样本集,运用ＭＡＴＬＡＢ环境下的实用工具箱－ＮｅｕｒａｌＮｅｔｗｏｒｋｓＴｏｏｌｂｏｘ对ＨＵＤＯＮＧ－Ｂ＆Ｗ６Ｌ６０ＭＣＥ大功率船用低速柴油机涡轮增压系统的故障诊断进行模拟计算,仿真结果表明,这种方法是成功的。     

基于RBF网络的旋转机械故障诊断方法

针对BP网络在故障诊断中存在的训练收敛速度慢且容易陷入局部极小、网络初值对学习性能影响比较大等缺陷,提出了一种基于RBF网络的故障诊断方法,介绍了RBF网络的结构和自适应正交最小方差算法（SROSL法）,并应用于旋转机械的故障诊断中,应用结果表明,RBF网络训练速度快、分类性能良好,在设备故障诊断领域具有很好的实用性。     

废气排放成分的汽油机失火故障RBF神经网络诊断

提出了一种利用排气中HC、CO2和O2浓度诊断车用汽油机失火故障的诊断方法及描述汽油机失火故障的模糊评价指标,利用实验数据和RBF神经网络建立了该指标与排气中HC、CO2和O2浓度间关系的模型,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汽油机失火故障的诊断,结果表明,此模型能正确诊断汽油机失火故障.图2,表2,参8.     

大功率船用柴油机智能诊断系统的研究与实现

通过对船舶柴油机故障诊断仿真系统的模型,结构原理与功能的研究,着重介绍了基于ＲＢＦ神经网络故障智能诊断方法,并以实例对涡轮增压系统和气缸组件与燃料系统故障进行分析判断,指出开发实船柴油故障诊断的计算机辅助分析系统具有指导意义。     

基于RBF神经网络的船用柴油机NOx排放的预测

依据4190ZLC-2型船用四冲程增压柴油机实际试验测得的数据,利用MATLAB中的神经网络工具箱,建立了基于径向基函数神经网络（RBF）的柴油机氮氧化物（NOx）排放浓度的预测模型。在预测模型建立过程中选取柴油机油耗率（SFOC）、功率、转速等参数数值作为输入矩阵,柴油机的氮氧化物排放浓度作为输出矩阵。仿真结果表明:该方法预测精度高,可为控制氮氧化物的排放提供依据。     

Study of CNG／diesel dual fuel engine＇s emissions by means of RBF neural network

Great efforts have been made to resolve the serious environmental pollution and inevitable declining of energy resources. A review of Chinese fuel reserves and engine technology showed that compressed natural gas (CNG)/diesel dual fuel engine (DFE) was one of the best solutions for the above problems at present. In order to study and improve the emission performance of CNG/diesel DFE, an emission model for DFE based on radial basis function (RBF) neural network was developed which was a black-box input-output training data model not require priori knowledge. The RBF centers and the connected weights could be selected automatically according to the distribution of the training data in input-output space and the given approximating error. Studies showed that the predicted results accorded well with the experimental data over a large range of operating conditions from low load to high load. The developed emissions model based on the RBF neural network could be used to successfully predict and optimize the emissions performance of DFE. And the effect of the DFE main performance parameters, such as rotation speed, load, pilot quantity and injection timing, were also predicted by means of this model. In resum6, an emission prediction model for CNG/diesel DFE based on RBF neural network was built for analyzing the effect of the main performance parameters on the CO, NOx emissions of DFE. The predicted results agreed quite well with the traditional emissions model, which indicated that the model had certain application value, although it still has some limitations, because of its high dependence on the quantity of the experimental sample data.     

船用柴油机实践教学的探索与实践

船用柴油机是集机、电、液于一体的复杂系统，结构和工作原理复杂，检验和维修以及故障识别和诊断难度高。为了使学生能直观弄懂船用柴油机的工作原理，熟悉船用柴油机的结构，掌握其故障检测诊断与维修技术，提高学员的学习效率，使学员毕业后能胜任岗位的需要，建立了船用柴油机动力实验中心，采用了模块化的实践教学方式、运用虚拟教学手段构建了船用柴油机实践教学体系，在机电管理人才的培养方面取得了良好的效果。     

电机驱动系统PWM逆变器故障诊断

电机变频调速系统中,逆变器是故障高发的薄弱环节。设计一种基于小波包分解和RBF神经网络的三相电机驱动系统PWM逆变器故障诊断模型,利用小波包变换提取三相PWM逆变器故障信号特征向量,并将其作为RBF神经网络的输入量;采用狼群—模拟退火算法优化RBF神经网络的结构和参数,利用32组学习样本和6组测试样本分别训练和检验RBF神经网络。仿真实验分析表明,该方法用于三相电机驱动系统PWM逆变器开路故障的诊断,速度快、准确率高。     

示波器在电喷发动机故障诊断中的应用

针对当前解码器和发动机综合诊断仪都比较昂贵的状况，探索了一种应用于电喷发动机故障诊断的快速、经济的方法。以上止点位置传感器为例，模拟其发生故障时发动机性能发生的变化，用数字存储示波器采集其输出信号波形并运用计算机软件进行分析处理。结果表明：用波形分析法诊断上止点位置传感器的故障是可行、有效的；使用示波器对电喷发动机进行故障诊断是一种快速经济、切实可行的方法。     

RBF神经网络用于发动机控制系统的故障诊断

神经网络是以研究人的生物神经为根据,由大量简单元件即神经元模拟电子器件相互联接而形成的一种复杂网络本文通过比较现行发动机控制系统故障诊断的方法,针对基于神经网络的发动机控制系统故障诊断进行了推导及改善数学模型;并编制了采用径向基函数神经网络完成发动机控制系统故障诊断的学习与诊断程序,实现了仿真将神经网络应用于发动机控制系统的故障诊断技术中,以发动机的各测量传感器为基础,对其控制系统进行实时故障诊断和故障分离,不仅充分体现神经网络的容错性、抗干扰性及大规模并行处理能力、自学习能力等特点,而且开发了发动机控制系统的故障诊断技术新领域