尚文峰[1]2005年在《混合动力汽车动力总成故障诊断的研究》文中研究表明混合动力汽车采用内燃机和电机作为动力源,已经成为解决环境污染和能源短缺最具市场潜力的车型。许多国家的政府部门、汽车公司和零部件厂商都投入巨资进行混合动力汽车的研制开发以及关键技术研究,目前已有多种产品问世。本文以吉林大学承担的国家科技部“863”计划课题“解放牌混合动力城市客车多能源动力总成控制系统的开发”为依托,结合解放牌混合动力城市客车的动力总成的实车调试,对混合动力汽车动力总成的故障诊断进行了研究。首先,在研究混合动力客车动力总成各动力元件的基础上,分析了动力总成各动力元件的故障类型、故障诊断技术及其各自的容错措施,研究了CAN总线的故障类型,提出了CAN 总线故障的解决方案。分析了混合动力总成系统的故障模式,分类研究了在混合动力控制系统中动力总成各动力元件出现的故障及混合动力多能源控制系统在动力总成各动力元件出现故障时采取的容错措施。其次,结合解放牌混合动力城市客车分析并联混合动力城市客车在不同工况下的能量流动方式。介绍了并联混合动力总成控制系统的功能要求及工作原理,提出了对并联混合动力总成控制系统采用逻辑门限值的控制策略。阐述了并联混合动力城市客车在不同工况下动力总成控制单元(HCU)采取的不同控制策略模式。通过MATLAB/SIMULINK 和STATEFLOW 实现整车动力总成控制策略的建模,并加入了对各个动力元件的故障诊断模块,结合控制模块阐述了各动力元件出现故障时HCU 采取的控制策略。最后,本文分析了在混合动力控制器开发过程中采用硬件在环仿真系统的实际意义,研究了硬件在环仿真系统的硬件和软件设计,并结合解放牌混合动力城市客车动力总成控制器开发过程,研究了硬件在环仿真系统在控制器开发过程中的应用。通过吉林大学混合动力课题组建立的基于dSPACE 系统的硬件在环仿真系统验证了文中建立的具有故障诊断功能的混合动力总成控制策略。
李俊松[2]2003年在《基于神经网络的混合动力汽车故障诊断研究》文中提出随着21世纪的到来，人类对生存环境、资源的有效利用、空气污染越来越关注。为了节约能源、保护环境、实现社会可持续发展，我国汽车工业开始对混合动力汽车(HEV)进行积极的研究与开发。为了提高HEV整体和各系统的安全性，迫切需要在产品开发研制阶段就建立一系列汽车故障诊断系统，得出结论以求设计改进或采取必要的措施，防止系统灾难性事故的发生，这就需要研究和应用汽车故障诊断技术。 汽车故障诊断技术是以工程数学、可靠性理论、信息理论为基础；以电子技术、计算机技术、人工智能技术为手段的一门综合应用技术。在过去的十几年里得到了飞速发展，产生了一些新的理论与方法如：主元分析、遗传算法、小波变换、神经网络、模糊系统、模式识别、自适应理论、非线性理论等。其中，人工神经网络的研究迅速发展，为系统的故障诊断开辟了一条新的途径。 本文对国内外汽车故障诊断技术的发展、汽车故障的种类与特点、汽车故障的诊断方法、故障诊断系统的基本诊断过程和理论方法进行了深入的分析。根据神经网络的特点，指出神经网络与故障诊断结合的可行性和必然性。在讨论了神经网络的基本理论基础上，明确神经网络应用于故障诊断的叁种途径。 前馈型BP网络具有极强的模式识别和分类能力。本文从应用角度分析了网络设计中的网络的层数、隐含层的神经元数、初始权值、学习速率、期望误差的选取问题，并提出了相应的改进方法。通过汽车故障诊断专家系统实例的应用与仿真，表明其方法的实用性以及诊断结果的准确性和可靠性。 汽车故障诊断中可利用的信息很多，只有充分有效融合有用的信息来对设备的故障进行诊断才能提高故障诊断的精度和可靠性。本文分析了单子神经网络进行故障诊断的特点，构架了集成神经网络的故障诊断模型，研究了集成神经网络的建模方法、组建原则和实现策略，并结合汽车发动机故障诊断实例进行了仿真分析，结果表明利用神经网络信息融合进行汽车故障诊断是一种有效的方法，能够获得对故障状态的最优估计与判决。
陈艳娜[3]2014年在《基于神经网络的汽车故障诊断系统及其应用》文中认为发动机作为汽车等其他车辆运载工具的核心部件，其结构越来越复杂，发动机能否安全稳定运行关系到汽车的安全行驶。针对汽车发动机故障诊断研究的现状，全面、深入地分析了电控发动机的典型故障，在此基础上运用BP神经网络对汽车发动机进行故障诊断。查阅了大量关于汽车发动机故障诊断和神经网络的文献资料。在此基础上讨论了故障诊断技术的发展历程和趋势，国内外汽车故障诊断技术的研究现状。通过在汽车修理厂和车辆检测站的调研以及在汽车修理厂对186辆发动机有故障的车辆进行的检测和分析，总结了电控发动机的主要故障类型为起动系故障、点火系故障、燃油供给系故障、润滑系故障、冷却系故障以及发动机异响故障，并分别进行了分析。以BP神经网络为例，分析了BP神经网络的基本思想、结构特点、学习算法以及算法流程。采用分段自适应策略对人工鱼的视野和步长进行改进，并对改进后的算法进行验证，仿真结果表明通过分段自适应改进后，算法收敛速度和最优解精度都得到了改善，算法性能明显提高。针对BP神经网络存在的不足，利用改进后的人工鱼群算法对BP神经网络进行优化，仿真结果表明通过改进后的鱼群算法优化的神经网络训练次数明显减少，提高了BP神经网络的性能。根据汽车发动机故障的特点，采用二值逻辑表示发动机故障数据，有效避免了病态样本对神经网络的影响。在对上述典型故障分析的基础上，选择了起动困难、失速、加速时回火等11个具有代表性的汽车发动机故障以及怠速故障、点火线圈、点火正时不对等11个故障原因作为训练样本。在MATLAB平台上采用优化后BP神经网络对汽车电控发动机进行故障诊断仿真研究，结果表明此方法能对汽车发动机故障进行有效诊断。
刘杰[4]2009年在《电喷汽车发动机故障诊断技术研究》文中研究说明发动机是汽车动力的来源。随着其工作性能的不断改善、电子化程度的不断提高,其结构也变得越来越复杂,虽然发动机发生故障的概率并不是太高,但是一旦发生故障将很难诊断。随着人工智能技术的快速发展,神经网络已经越来越多的应用到了复杂系统的故障诊断中。本文以电喷发动机怠速不稳故障为例,用多传感器信息融合的神经网络方法对几种主要故障原因在MATLAB环境下进行了仿真研究。本文首先分析了国内外汽车故障诊断技术的现状和发展状况,总结了一些故障诊断的主要理论和方法,对神经网络原理的基本知识、径向基函数神经网络作了比较详细的介绍;其次,对发动机电控系统的基本知识进行了介绍,并分析了几种主要传感器及执行器的波形,指出了波形特征和故障的关系;然后,研究了多传感器信息融合神经网络发动机故障诊断方法,以电喷发动机怠速不稳为例,选择了相关传感器、执行器波形特征参数为原始特征向量,并研究了应用主成分分析方法进行特征提取的方法以及信息融合中心的设计;最后在MATLAB环境下设计了诊断怠速不稳的多传感器信息融合RBF神经网络,并进行了检验。本文在MATLAB环境下使用基于主成分分析和信息融合的RBF神经网络对怠速不稳样本进行训练和仿真实验,经验证该故障诊断模型对电喷发动机故障识别具有很高的准确率。最后,将多传感器信息融合的神经网络方法和单传感器信息的神经网络方法进行比较,证明了多传感器信息融合的神经网络方法的故障诊断准确率更高;将使用主成分分析的RBF神经网络和不使用主成分分析的RBF神经网络比较,结果显示使用主成分分析可以使神经网络结构更简单,性能更好。
生翔九[5]2011年在《并联充电式混合动力驱动系统故障诊断分析仪开发》文中指出随着全球汽车保有量的增加,石油的供应日趋紧张,石油资源的枯竭正在加剧,同时汽车排入大气中的有害污染物导致空气中有害污染物增加,环境污染问题日益严重,新能源汽车以其低能耗、低污染等特点成为当前各汽车企业和科研机构的研发热点。混合动力汽车以其低排放,低能耗,以及兼有传统汽车和新能源汽车双方的优点,引起各政府和各大汽车公司的关注。但是混合动力汽车控制系统和功能比传统的汽车复杂很多,因此在混合动力汽车开发的过程中,其开发和调试诊断的成本、难度都高于传统汽车。本文分析对比了几种混合动力汽车的布置形式,在此基础上提出了并联充电式的混合动力系统的基本结构,并且对发动机、电机、变速箱、电池、整车控制单元等基本组成部件进行分析介绍。同时本文还研究了国内外混合动力汽车和汽车诊断的发展现状,分析了各种汽车故障诊断方法,在对并联充电式混合动力驱动系统进行详细分析的基础上,提出了适合合于充电式混合动力驱动系统的故障诊断仪的基本构架。在分析了诊断仪系统的基本需求后,对系统的软件和硬件进行了选型,选择PLC、EVIEW触摸屏作为系统的硬件基础,选择EVIEW自带的EV5000作为系统与混合动力驱动系统整车控制单元通讯程序和系统显示、诊断界面的编程软件。根据系统的基本需求,分析了并联充电式混合动力驱动系统可能出现的故障种类,并在整车控制单元的控制程序中编写了相关的子程序对可能出现的故障进行了判断,判断后生成一个标志位信号,这个标志位和EVIEW中制作的故障指示界面中故障指示灯地址相同,这样故障信号就从整车控制单元传到触摸屏中,同时设置驱动系统各参数在PLC中的地址和触摸屏中的制作的显示界面中的各元件的地址相同。通过这个通讯程序,就可以将系统各参数的实时状态和出现的故障传到EVIEW触摸屏中,实现了对系统的实时监测和故障的报警。实验表明,诊断仪能够对驱动系统在启动、加速、换档、制动过程中各参数的状态进行实时的显示,并且在系统出现故障时能够及时的在诊断界面提示报警,基本实现了对于并联充电式混合动力驱动系统的故障诊断,并且为后续研究开发提供了必要的经验。
郑善亮[6]2009年在《汽车发动机故障诊断研究的理论与方法》文中进行了进一步梳理发动机是汽车的重要组成,是车辆运行的动力来源。随着其自动化程度的不断提高、工作性能的不断完善,其结构也变得越来越复杂;外加工作环境十分恶劣,因此发动机故障发生的频率增大,并且其诊断难度也不断提高。这样就使得发动机成为汽车故障诊断与检测的重点对象。为了迅速诊断故障状况,提高维修的效率,世界各国的汽车公司和研究机构纷纷投入大量的资金和精力研究汽车发动机电控系统的故障诊断。而我国汽车工业发展较晚,汽车电子与发达国家差距很大,所以进行汽车故障诊断方法的研究对于改善和提高我国的汽车检测诊断技术非常重要,具有重要的现实意义。汽车发动机故障诊断理论及其方法的研究是随着汽车技术不断进步而逐步完善的过程,建立科学、系统、合理、完善的汽车故障诊断理论体系,已成为目前汽车故障诊断的必然要求和技术发展的必然趋势。然而,目前关于发动机故障自诊断系统设计的方法种类很多,但是既繁多又杂乱,在详细分类讨论各自方法的实施和综合对比不同方法的优缺点这一领域还是空白,本论文目的就是填充这一空白,丰富和完善汽车故障诊断体系,探索新的故障诊断方法,具有一定的理论价值,同时也便于查阅,具有一定的参考价值。论文首先明确了故障诊断的基本概念,从而引出发动机故障诊断的概念及流程,分析了发动机故障自诊断系统的国内外研究现状、存在的问题和未来发展趋势。随后,针对在电喷发动机故障诊断中主要采用的测试及诊断方法(基于信号处理的方法,基于解析模型的方法,基于知识的故障诊断方法)分别进行深入讨论。首先对基于信号处理的方法进行详细分析,重点阐述了小波理论,并结合上述理论给出了故障诊断的实例。其次,介绍了基于解析模型的方法,详细讨论了其分类以及各类方法的提出、实施及不足。再次,介绍了基于知识的故障诊断方法,对基于知识的故障诊断方法进行详细分类分析,重点阐述了专家系统故障诊断以及神经网络故障诊断,并结合上述理论,结合神经网络专家系统给出了故障诊断的实例。最后,运用故障诊断方法与虚拟仪器相结合,介绍了基于虚拟仪器发动机故障自诊断系统的设计;运用故障诊断技术与现代网络技术相结合,介绍了发动机远程诊断系统的基本组成,分析了远程诊断中心的结构,重点研究了故障推理系统。
武万龙[7]2003年在《基于神经网络的汽车电控发动机故障诊断研究》文中研究指明本文在广泛收集国内外汽车诊断技术发展及现状等有关资料的基础上，全面论述和系统分析了汽车诊断设备的开发和诊断理论的研究成果及方向。首先，对课题研究的目的及意义进行了探讨，明确指出汽车故障诊断理论研究是汽车集成诊断系统建立的重要基础。其次，对某个车辆或车型的故障与汽车群体的故障规律和性质之间的关系进行了研究，并在研究汽车群体基本特征的基础上提出进行汽车故障诊断的策略及其评价方法。再者，随着电子控制技术在汽车工程中的应用，汽车产品的各项性能都得到了进一步的提高和完善，特别是汽车电控系统的故障诊断变得更为复杂。基于符号学习和推理的专家系统在解决这个问题上的某些局限性，使基于数值计算的诊断方法，如人工神经网络和模糊识别等，成为智能故障诊断研究的新课题。由于计算机模式识别技术的日益成熟，为汽车电控系统故障识别的技术提供了完整的理论基础。结合汽车故障的特点和模式识别的要求，论述了汽车技术状态特征的选择和提取原理、汽车故障模式识别的主要方法。以汽车电控系统的典型故障为例，对故障症兆的技术状态特征的描述、利用神经网络进行故障模式识别及其故障部位判断与故障原因分析等问题进行了深入的研究。鉴于电控系统组成的复杂性，同样的故障征兆具有”一果多因”的特点。因此，以故障征兆为基本模式，采用单故障样本组合的方式对神经网络进行训练，以识别具体的故障原因和部位。此外，以MATLAB应用软件为主要的数值计算和分析手段，重点研究了应用神经网络对电控发动机典型故障—怠速不稳定原因的识别问题。
袁华智[8]2010年在《电控汽油/CNG两用燃料发动机故障模拟试验及诊断研究》文中指出能源危机、排放法规日益严格和温室气体效应,系当今世界环境方面的叁大矛盾聚焦点。为缓解矛盾,促进人类社会和谐发展,各个国家纷纷制定应对策略,这些措施在汽车领域的表现为发展汽车新技术和寻求替代燃料。天然气作为新型汽车代用燃料,因其藏量丰富、节能环保、价格便宜、使用灵活、经济安全,被重点推广使用；伴随着政府政策的大力扶持,天然气汽车大范围的使用,再加上电子控制技术以及汽车技术快速的更新换代,天然气发动机的故障诊断变得愈加困难,这一现象在诸如中国的广大发展中国家表现的更为突出,因而对发动机的故障机理以及诊断方法研究显得非常必要和迫切。在陕西省交通科技项目的资助和支持下,本文以叁菱4G15S型电控汽油/CNG两用燃料发动机为研究对象,系统介绍了天然气发动机的分类、燃气系统的结构组成和工作原理以及燃气系统相关传感器和执行器组件的信号特点,剖析了燃气系统可能发生的常见故障。以台架试验以及排放分析法为基础；以研华PCI-1712采集卡、信号前端处理电路、信号丢失电路以及原机/模拟信号切换电路等为硬件；以LabVIEW软件为技术支持设计了电控汽油/CNG两用燃料发动机燃气系统故障模拟系统,分析了相关传感器(如进气压力传感器、燃气喷射压力传感器、氧传感器等)故障和执行器(如减压器组件、燃料转换装置等)故障对发动机燃气状态下的动力性、经济性以及各项排放指标的影响,取得了预期的效果。所设计的故障模拟系统可以实时再现故障,为研究天然气发动机故障机理提供了平台,并且具有较好的通用性。在发动机故障模拟试验的基础上,运用人工神经网络基本原理和MATLAB软件,建立了天然气发动机故障诊断模型,并进行了验证,具有广泛适应性。因天然气汽车的推广和发动机电喷技术的发展,天然气发动机故障诊断是一项全新的课题。总体来说,本文的创新点主要体现在：(1)系统地阐述了电控汽油/CNG两用燃料发动机燃气系统的组成、结构以及功用,首次在发动机台架上完成了燃气系统相关故障模拟试验,分析了燃气系统相关传感器、执行器的故障对发动机各项性能的影响,总结得出其规律；(2)将两用燃料发动机试验技术、虚拟技术以及控制理论有机结合,设计出电控汽油/CNG两用燃料发动机故障模拟系统,为天然气发动机的故障诊断提供了一种新方法；(3)将人工神经网络(BP神经网络和模糊神经网络)引入到天然气发动机的故障诊断的建模仿真中,拓宽了天然气发动机故障诊断的思路,具有一定的借鉴意义；(4)在天然气发动机故障诊断软件中,加入专家系统思想和人工智能技术,所开发的故障诊断软件具有一定的实用价值。
曹恺[9]2013年在《轻型汽油车远程监测及故障诊断技术研究》文中研究指明随着汽车排放法规的日趋严格和用户对汽车性能要求的不断提高,现代汽车企业不断增加电子控制技术的在汽车中应用来满足上述要求,这使得汽车电控系统的结构越来越复杂,诊断故障发生原因及发现故障的部位也相应的变得越来越困难。因此,本文通过对当前汽车远程监测技术和智能诊断技术的研究,提出构建汽车远程监测及故障诊断系统,并对其核心技术进行了研究。首先,针对各种车型诊断协议不兼容的问题,设计了基于车载自诊断系统扩展协议ISO14230和ISO15765的通用型汽车诊断通信接口装置。为了解决传统监测和诊断方法受地理位置限制的影响,进一步提出了基于Internet3G的汽车远程状态监测方法,通过归纳总结各类型数据在远程传输过程中的要求特征,设计了相关的传输控制策略和服务器监测模型,为后续研究奠定了数据基础。其次,研究了基于多信息融合技术的汽车故障诊断方法,构建了汽车故障融合诊断模型。该模型根据不同数据层次,分别设计了基于RBF神经网络的数据层融合诊断、基于支持向量机和主成分分析的特征层融合诊断、基于D-S证据理论的决策层融合诊断。在以冷却液温度传感器、氧传感器和进气歧管绝对压力传感器的老化失效和通断故障模拟的研究基础上,通过数据采集平台获取了车辆实时状态数据,并由汽车故障融合诊断模型进行了各层次融合诊断,验证了该诊断模型的有效性。最后,设计和构建了汽车远程监测及故障诊断系统,该系统以汽车远程监测及故障诊断中心为核心,并结合车辆诊断通信接口装置、PC和智能手机客户端共同构成。结合实际功能需求,本文对汽车远程监测及故障诊断系统的分层模式和UML架构模型进行了研究,并实现了基于多智能体的汽车远程故障融合诊断模型。同时,使用可复用思想设计了跨平台的PC和智能手机客户端程序,有效改善了当前手持式诊断方法的处理性能不高和功能不全的问题,便于实现随时随地的汽车故障诊断,并形成了一定规模的产业化应用。
叶甫[10]2005年在《混合动力电动汽车驱动系统的故障诊断研究》文中提出汽车的出现和发展推动了人类文明的发展,但现在却成为世界能源和环境双重危机的罪魁祸首。随着科技的发展和人们对的电动汽车更深入的研究,逐渐把对电动汽车的研究划分为几个部分,而对电动汽车驱动部分的研究便成为一项重要的内容。电动汽车驱动系统是电动汽车最主要的系统之一,电动汽车运行性能的好坏主要就是由其驱动系统决定的。 本文着重讨论了专家系统理论和人工神经网络理论在电动汽车驱动系统故障诊断中的应用,详细介绍了电动汽车驱动系统故障诊断软件的设计思想和实现方法。对于整个驱动系统,在VB中编写了基于专家系统理论的故障诊断软件;对于整流电路,其故障诊断软件则基于神经网络理论,通过在VB中调用MATLAB的神经网络工具箱完成。在基于专家系统的故障诊断方法中,采用了产生式知识表达和正向推理机制;在基于神经网络的故障诊断方法中,则分别采用了BP神经网络的附加动量法、自适应学习速率、弹性BP算法、拟牛顿法、共轭梯度法和Levenberg-Marquardt法对电机的部分故障进行诊断,并对不同诊断方法进行了系统仿真,对仿真结果进行了比较分析。仿真结果说明:基于专家系统和神经网络理论的故障诊断方法可以满足电动汽车驱动系统故障诊断的要求。
参考文献：
[1]. 混合动力汽车动力总成故障诊断的研究[D]. 尚文峰. 吉林大学. 2005
[2]. 基于神经网络的混合动力汽车故障诊断研究[D]. 李俊松. 武汉理工大学. 2003
[3]. 基于神经网络的汽车故障诊断系统及其应用[D]. 陈艳娜. 重庆理工大学. 2014
[4]. 电喷汽车发动机故障诊断技术研究[D]. 刘杰. 重庆交通大学. 2009
[5]. 并联充电式混合动力驱动系统故障诊断分析仪开发[D]. 生翔九. 武汉理工大学. 2011
[6]. 汽车发动机故障诊断研究的理论与方法[D]. 郑善亮. 重庆交通大学. 2009
[7]. 基于神经网络的汽车电控发动机故障诊断研究[D]. 武万龙. 大连理工大学. 2003
[8]. 电控汽油/CNG两用燃料发动机故障模拟试验及诊断研究[D]. 袁华智. 长安大学. 2010
[9]. 轻型汽油车远程监测及故障诊断技术研究[D]. 曹恺. 武汉理工大学. 2013
[10]. 混合动力电动汽车驱动系统的故障诊断研究[D]. 叶甫. 西北工业大学. 2005
标签：自动化技术论文; 汽车论文; 故障诊断论文; 汽车故障论文; 混合动力电动汽车论文; 混合动力论文; 仿真软件论文; 神经网络模型论文;