文档介绍：摘要模型的基础上,阐述了配气机构的典型故障一气门间隙异常的振动诊断机纵观机械设备故障诊断的发展历史,旋转机械故障诊断技术的理论和方法已经日臻完善,并在实际应用中取得了巨大的经济效益。而对于以汽车发动机为代表的往复式机械,对其故障机理及诊断方法的研究远不如旋转机械成熟。发动机作为汽车的主要部件,是汽车行驶的动力源。由于其结构复杂、零件多、工作条件恶劣,在运行中是汽车发生故障最多的部件之一,因此对其进行状态监测和故障诊断,对提高汽车运行状况、降低能耗和改善生态环境具有重要意义。本文在对汽车发动机智能故障诊断的理论与技术等内容进行综述的基础上,针对汽车发动机智能故障理论与技术所面临的主要问题进行了研究。结合汽车发动机的结构组成,建立了汽车发动机故障诊断层次分类模型,提出了采用专家系统、人工神经网络和粗糙集的集成智能故障诊断模型。基于小波分析、神经网络以及粗糙集理论等技术和方法,研究了汽车发动机智能故障诊断技术中的特征提取、模式识别、知识获取以及增量学习等关键技术。论文的主要内容如下:结合汽车发动机的组成、结构特点,分析了汽车发动机故障类别及故障诊断特点。针对汽车发动机这样的典型的复杂往复机械,建立了汽车发动机故障层次分类诊断模型,降低了汽车发动机故障诊断问题的复杂性。提出了采用专家系统、人工神经网络和粗糙集的集成智能故障诊断模型来具体实现所提出的汽车发动机层次分类诊断模型,为汽车发动机的多模型、多方法集成智能故障诊断技术的实现提供了一条新的途径。汽车发动机的振动信号中包含着丰富的状态信息,振动信号分析一直是汽车发动机故障诊断最为有效的手段之一。根据汽车发动机振动信号特征难以提取的特点,提出了基于时域分析和小波分析技术的特征提取方法。,提出了汽车发动机振动信号处理中小波基函数的选择原则,并依此确定了合适的小波基,。在建立了汽车发动机缸盏振动信号的信息理,以汽车发动机缸盖振动信号为例,提取出了用于刻画振动信号特征的参数,为后续的智能故障诊断技术的模式识别奠定了基础。汽车发动机的结构复杂性决定了其征兆域与故障域之间映射的复杂性,摘要
在分析粗糙集和神经网络集成技术的基础上,提出了适用于汽车发动机故障诊断模式识别的粗糙神经网络,阐述了粗糙神经网络的结构和学习方法。该网络采用一对粗糙神经元取代了传统神经网络中的神经元,使得神经网络的输入拓展成一个连续的实数区间,增加了神经网络的信息理解能力。并将其成功应用于汽车发动机气门问隙的故障诊断过程中,诊断结果表明,粗糙神经网络的这种结构,不仅能够准确地诊断气门间隙故障,而且其诊断性能也优于传统的神经网络。在描述汽车发动机状态的数据集中,由于一些主、客观原因,常含有一些不完备的信息,针对故障诊断问题的不完备性,提出了分辨矩阵基元的概念,以此为基础,,给出了利用定义的分辨矩阵求取约简的方法。,用于从不完备故障诊断决策表中直接获取简洁、直观的诊断决策规则。并以柴油发动机燃油喷射系统的故障诊断实例说明了该方法的可行性和有效性。为了解决汽车发动机智能故障诊断的自学习和知识自动更新问题,提出了一种适用于汽车发动机故障诊断的增量学习策略,使得所提出的知识获取技术不仅能够从包含不确定信息的故障诊断问题中进行诊断知识的发现,而且能够在运行过程中进行自动学习和知识获取,不断丰富和完善其诊断能力,为智能故障诊断的知识获取和增量学习问题的解决提供了一个可行的方关键词汽车发动机;智能故障诊断;粗糙集;人工神经网络法。哈尔滨工业人学工学博宦凼
血猰,瑃琣甌,.琤琲疭’,瓸,瑃瑂,琸.,.瑆瓸甀琣.
童玺鎏三些奎耋三兰矍圭兰竺兰塞瑃,,瑃瑃.,.—瑃猲甀,,瑂,琤,甌
瓵—瑆琲瓵—,甌琺.,瑀琣.
,设备的集成化程度日益提高,如何保机维修费用与维修时间,保障汽车发动机处于正常状态,显著地降低汽车发动机尾气排放。因而会产生重大的经济与社会效益。研究汽车发动机智能故设备故障诊断技术是世纪、年代得到迅速发展的一项新技术。证设备的安全运行,已成为一个十分迫切的问题。设备故障诊断技术是保障设备安全运行的基本措施之一【,它能对设备故障的发展做出早期预报,对出现故障的原因做出判断,并提出对策建议,避免或减少事故的发生。故障诊断技术的普遍应用将能改变设备的维修体制,从现行的“定期维修”向更合理的“视情维修”转变。因此设备故障诊断技术的应用会带来巨大的经济效益,日益受到国内外的广泛重视。发动机是汽车的主要部件,在汽车整车成本中占有较大的比例,并且保有量巨大的特点,是汽