车辆电气系统智能故障诊断仪的研制

车辆电气系统智能故障诊断仪由电参量、继电器状态、发动机起动和蓄电池测试电路,信号调理板、数据采集卡、工控机组件及专家系统组成.设置扫描方式、采样频率和点数并进行A/D转换后,通过程序可绘制起动电流、电压曲线,计算起动时间,单位时间内电池端电压变化率及蓄电池剩余电量.基于诊断基元和产生式规则的专家系统,根据初始故障现象找出最底层故障基元,通过多层正反向混合推理实现故障最终定位.     

基于多振荡器的湿度测量方法研究

本文将湿度传感器和555定时器构成多谐振荡电路,利用单片机的定量器测量振荡电路的振荡周期,实现了湿度的测量。从而简化了电路,降低了成本,提高了精度。     

分形维数在内燃机振动诊断中的应用

将分形理论引入内燃机的振动诊断中,根据内燃机的配气定时,着重研究了缸盖振动信号中对应燃烧段的数据,计算其关联维数,将关联维数用于刻划内燃机缸盖在气门不同状态时表现的非线性行为,从而进行故障诊断与分类。结果表明,当气门在不同状态时,缺盖振动信号中对应燃烧段数据的关联维数是不同的,可以将其作为判断气门漏气的一个诊断特征量。     

基于Hilbert-Huang变换和多元状态估计技术的内燃机气缸压力识别

提出了一种新的内燃机气缸压力识别方法。为了实现对内燃机运行状态的实时监测与故障诊断,通过缸盖振动信号反演内燃机气缸压力曲线是一种行之有效的重要手段;本文在对缸盖振动信号特性进行分析的基础上,应用Hilbert-Huang变换对缸盖振动信号进行模态分解,提取最能反映内燃机气缸压力变化特性的振动本征模态分量;使用多元状态估计技术(MSET)建立该振动本征模态分量的Hilbert谱与气缸压力信号之间的非线性非参数回归模型;利用所建立的模型从缸盖振动信号中重构出内燃机气缸压力曲线。试验结果表明,基于Hilbert-Huang变换和MSET的气缸压力识别方法简单有效,可满足对内燃机的实时监测需求。     

用于内燃机振动诊断的一种特征参数选取方法

针对内燃机振动诊断提出了一种新的特征参数选取方法,计算每个特征参数对各类工况的类识别率,选取对各类工况类识别率最高的前2个特征参数形成联合诊断向量.针对内燃机气门机构间隙异常故障的诊断问题,对缸盖振动信号的常用幅值域特征参数进行了选取,并采用人工神经网络模型进行了验证.结果表明:使用基于类识别率的特征参数选取方法将特征维数缩减一半时,诊断准确率的下降小于1%.     

基于神经网络信息融合的柴油机故障诊断

本文论述了神经网络信息融合的原理与方法,首先就BP网络训练速度慢,易陷入局部极小点的问题,提出将附加动量项与自适应学习速率相结合的改进BP算法,有效地抑制了网络陷于局部极小并提高了收敛速度。最后,将振动信号与血管压力信号作为特征参数,分别采用传统BP算法,改进BP算法对供油系统的三种故障进行信息融合诊断分析。实践表明,神经网络信息融合方法非常适用于多征兆机械系统的故障诊断。     

基于小波包的气门故障诊断

本文利用小波包将信号按任意时频分辨率（满足测不准原则）分解到不同频段的特点,论述了小波包特征提取的方法。利用这一特性对柴油机气门间隙和漏气故障进行了诊断,取得了满意的结果。     

基于图像处理与神经网络的内燃机故障诊断研究

在提出应用图像处理进行故障诊断的基础上,探讨了利用内燃机振动信号产生图像的方法。在对振动信号进行重抽样处理的基础上,实现了振动信号的灰度图像表示,从缸盖振动信号的灰度图像中提取图像特征并对图像特征进行模糊化处理,设计神经网络分类器,实现了对气阀机构故障的诊断与分类。     

基于KPCA的HVAC系统传感器故障诊断

传感器状态的好坏很大程度上影响暖通空调(HVAC)系统的运行,对其展开故障诊断十分必要。核主成分分析(KPCA)方法通过集成算子与非线性核函数计算高维特性空间的主元成分,有效捕捉过程变量中的非线性关系,将其用于传感器常见4种故障的诊断,先用Q统计量进行故障监测,再用T2贡献量百分比变化来识别故障。实验结果表明:KPCA方法具有很好的故障监测与诊断能力。     

基于Modbus协议的C51软件编程

Modbus协议由于其开放性、透明性和低成本等特点,易于开发,已成为当今工业领域通讯协议的首选。本文介绍通过C51编程实现Modbus的方法,该方法在MCS-51系列单片机上具有通用性,具有一定的借鉴作用。