以新能源拖拉機(jī)發(fā)動(dòng)機(jī)為研究對(duì)象,首先介紹了發(fā)動(dòng)機(jī)智能故障診斷原理和監(jiān)測(cè)方法,然后基于大數(shù)據(jù)和神經(jīng)網(wǎng)絡(luò)技術(shù),設(shè)計(jì)了面向大數(shù)據(jù)新能源拖拉機(jī)發(fā)動(dòng)機(jī)智能故障監(jiān)測(cè)系統(tǒng),并進(jìn)行了發(fā)動(dòng)機(jī)故障診斷仿真和試驗(yàn)。結(jié)果表明:該方法能夠有效地對(duì)新能源拖拉機(jī)發(fā)動(dòng)機(jī)故障進(jìn)行診斷,診斷正確率較高,可為發(fā)動(dòng)機(jī)故障診斷及維修人員提供參考。 

【文章來源】：農(nóng)機(jī)化研究. 2020,42(11)北大核心

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

故障診斷流程示意圖

2)故障識(shí)別。當(dāng)機(jī)器在正常作業(yè)過程中,需要通過一系列的參數(shù)預(yù)測(cè)和判斷機(jī)器未來一定時(shí)間內(nèi)的狀態(tài)。當(dāng)機(jī)器處在故障狀態(tài)時(shí),需要根據(jù)機(jī)器采集到的信號(hào)參數(shù)診斷故障的類型、部位等,故障的識(shí)別分類過程是根據(jù)采集到的故障征兆,采用各種識(shí)別算法和識(shí)別模型,進(jìn)行精確的故障診斷。故障診斷常規(guī)方法如圖2所示。本文采用基于神經(jīng)網(wǎng)絡(luò)的知識(shí)智能故障診斷方法。1.2 基于神經(jīng)網(wǎng)絡(luò)的智能故障診斷方法

神經(jīng)網(wǎng)絡(luò)是研究學(xué)者模擬人類大腦思考和分析問題建立的數(shù)學(xué)模型,其采用梯度最速下降和更新權(quán)重等方法,獲得最小化誤差函數(shù),通過將訓(xùn)練樣本輸入網(wǎng)絡(luò),在重復(fù)學(xué)習(xí)和訓(xùn)練之后,生成一組權(quán)重以調(diào)用測(cè)試樣本,從而預(yù)測(cè)目標(biāo)對(duì)象的特征。神經(jīng)網(wǎng)絡(luò)由輸入層、隱藏層和輸出層組成。結(jié)構(gòu)示意如圖3所示。其輸入輸出的關(guān)系表達(dá)式為

【參考文獻(xiàn)】：
期刊論文
[1]基于故障樹的天然氣發(fā)動(dòng)機(jī)故障診斷專家系統(tǒng)設(shè)計(jì)[J]. 王海瀾.  電子技術(shù)與軟件工程. 2019(05)
[2]PNN神經(jīng)網(wǎng)絡(luò)在尾氣分析發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用[J]. 郝大鵬,巴寅亮,李春蘭,王書提,加克·烏云才次克.  現(xiàn)代電子技術(shù). 2019(05)
[3]基于車聯(lián)網(wǎng)的汽車發(fā)動(dòng)機(jī)遠(yuǎn)程故障診斷研究[J]. 林素敏,劉方,段少勇.  小型內(nèi)燃機(jī)與車輛技術(shù). 2019(01)
[4]基于大數(shù)據(jù)挖掘技術(shù)的輸變電設(shè)備故障診斷方法分析[J]. 茍?bào)懔?  通信電源技術(shù). 2019(01)
[5]大數(shù)據(jù)下機(jī)械裝備故障的深度遷移診斷方法[J]. 雷亞國(guó),楊彬,杜兆鈞,呂娜.  機(jī)械工程學(xué)報(bào). 2019(07)
[6]基于大數(shù)據(jù)的電梯故障診斷與預(yù)測(cè)研究[J]. 陳志平,汪贊,張國(guó)安,李春光,李哲威,何平.  機(jī)電工程. 2019(01)
[7]基于大數(shù)據(jù)的單站端故障診斷及輔助決策方法[J]. 譚文忠,陳浩,石輝,梅紅興.  國(guó)網(wǎng)技術(shù)學(xué)院學(xué)報(bào). 2018(06)
[8]基于神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)的故障診斷[J]. 宋娟,蒙曄.  工業(yè)控制計(jì)算機(jī). 2018(11)
[9]基于大數(shù)據(jù)的液壓支架電液控制系統(tǒng)故障診斷[J]. 張雪梅.  工礦自動(dòng)化. 2018(12)
[10]遺傳算法優(yōu)化的SVM在航空發(fā)動(dòng)機(jī)磨損故障診斷中的應(yīng)用[J]. 皮駿,馬圣,賀嘉誠(chéng),孔慶國(guó),馬龍.  潤(rùn)滑與密封. 2018(10)

博士論文
[1]基于粒子群優(yōu)化算法的航空發(fā)動(dòng)機(jī)故障診斷與性能參數(shù)預(yù)測(cè)研究[D]. 鄭波.電子科技大學(xué) 2018
[2]電控汽油機(jī)智能控制策略及故障診斷的研究[D]. 李國(guó)勇.太原理工大學(xué) 2007

碩士論文
[1]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的柴油發(fā)動(dòng)機(jī)故障診斷研究[D]. 李莉.西北農(nóng)林科技大學(xué) 2018
[2]面向工業(yè)大數(shù)據(jù)的智能故障診斷方法研究[D]. 司佳.山東大學(xué) 2018
[3]基于多維數(shù)據(jù)挖掘方法的發(fā)動(dòng)機(jī)振動(dòng)評(píng)級(jí)的應(yīng)用研究[D]. 樊釗.合肥工業(yè)大學(xué) 2017
[4]基于模糊神經(jīng)網(wǎng)絡(luò)的汽車發(fā)動(dòng)機(jī)故障診斷系統(tǒng)及其方法研究[D]. 傅鶴川.華南理工大學(xué) 2017
[5]基于發(fā)動(dòng)機(jī)性能測(cè)試試驗(yàn)的故障診斷方法研究[D]. 陶健.上海交通大學(xué) 2015
[6]基于模糊神經(jīng)網(wǎng)絡(luò)的車用發(fā)動(dòng)機(jī)故障診斷方法研究[D]. 馮學(xué)敏.重慶理工大學(xué) 2010



本文編號(hào)：3414261