收藏本站
《东北林业大学》 2009年
收藏 | 手机打开
二维码
手机客户端打开本文

基于信息融合的汽油发动机电控系统故障诊断方法研究

张丽莉  
【摘要】: 本文在广泛收集和整理分析国内外汽车故障诊断研究相关资料的基础上,对汽车故障诊断基础理论和技术方法应用现状进行了分类,并分析了不同阶段的研究重点以及各种不同方法的特点,论述了研究的主要发展趋势,以此为依据,确定了运用信息融合的相关理论和方法,研究汽油发动机电控系统故障诊断方法与技术为目的,以应用多种模式识别方法进行特征级融合诊断的研究方向,其主要内容包括: 第一,在对现有的汽车故障诊断方法特点进行深入分析、研究和归纳分类的基础之上,提出未来汽车故障诊断方法和技术将会在传统方法的基础上,不断融合各种先进的技术和理论,并加强反馈系统的故障诊断,同时,在分析了信息融合理论的特点和适用条件的基础上,分析了信息融合理论应用于汽车电控系统的故障诊断的适用性;第二,研究了模式识别和信息融合的基本理论和技术,其中重点研究D-S证据理论及其关键问题的解决方法,包括证据体的基本可信度分配问题、证据的冲突问题、证据体的相关性问题以及不同识别框架下的证据组合问题。并研究基于D-S证据理论的信息融合方法应用于汽车电控系统故障诊断的理论基础,提出将各个独立的低维神经网络的输出值处理后作为辨识框架上命题的基本可信度分配,然后经过证据理论的再次融合后得到最终的诊断结果。第三,在深入研究汽油发动机电控系统及其控制原理以及相关数据流的基础上,分析传感器和执行器类间和类内故障均可分的理论依据,为实现基于类内和类间的特征级融合提供基础。第四,针对汽车电控系统特征参数的提取和选择问题,将传统方法和基于核的特征选择和提取方法相结合,并根据汽车故障诊断的参数要求,从传感器和执行器类间故障以及传感器类内故障和执行器类内故障分别提取出最优化的特征参数;第五,通过汽车电控系统的故障的诊断测试分析,验证基于信息融合的汽车电控系统故障诊断方法的有效性,并研究该方法用于汽车电控系统故障诊断的精度问题,实验证明,该方法可以在一定程度上提高识别的准确率,消除单一数据源包含信息的不全面性以及模糊性等等,从而有效提高故障诊断的精度。 基于神经网络和D-S证据理论融合的汽油发动机电控故障模式识别是建立集成化和智能化汽车故障诊断的理论基础,相关理论的应用研究是提高汽车故障诊断精度的必要条件,该方法不仅是汽油发动机电控系统故障诊断智能化的有效方法,也是对汽车整个电控系统故障诊断方法的新探索,其研究将促进故障诊断智能化的发展进程。
【学位授予单位】:东北林业大学
【学位级别】:博士
【学位授予年份】:2009
【分类号】:U472.43

手机知网App
【引证文献】
中国期刊全文数据库 前3条
1 张若豹;;消防车故障维修问题分析[J];科技致富向导;2014年12期
2 郭甜甜;慕晓冬;张力;尹宗润;;基于D-S证据理论的无线发射机故障诊断方法[J];计算机工程与设计;2012年06期
3 易昭湘;李钊;王刚;郭甜甜;;基于D-S证据理论的数据链故障诊断方法[J];无线电工程;2013年04期
中国重要会议论文全文数据库 前1条
1 徐艳敏;陈爱国;聂拥军;;船舶机械状态监测与故障诊断技术的发展与趋势[A];第四届广东海事高级论坛论文集[C];2012年
中国博士学位论文全文数据库 前1条
1 张月蓉;基于瞬态模型的大流量调节阀故障监测与诊断方法的研究[D];山东大学;2012年
【参考文献】
中国期刊全文数据库 前10条
1 杨文平,陈国定,石博强;基于小波理论的复杂机械振动信号降噪分析[J];北京科技大学学报;2002年04期
2 吴晓兵;基于灰色粗集模型的汽车变速箱故障诊断方法[J];北京理工大学学报;2000年05期
3 张艳,陈东,李晓雷,郑慕侨;融合阴阳补偿理论的软计算故障诊断方法[J];北京理工大学学报;2001年03期
4 陈豪,张为公;基于B/S的汽车驾驶机器人远程故障诊断系统[J];北京汽车;2004年02期
5 嵇斗;王向军;;基于D-S证据理论和BP算法的直流电机故障诊断研究[J];船电技术;2007年04期
6 朱福根;;基于免疫机理的汽车故障检测技术研究[J];传感技术学报;2006年03期
7 储浩,张雨,吴文兵;汽车状态远程监测技术[J];长沙交通学院学报;2003年03期
8 赵树朋,张世芳,邝朴生,么永强;汽车电喷发动机故障诊断专家系统的开发研究[J];河北农业大学学报;2002年02期
9 王伟杰,赵学增,黄文涛;基于BP网络的故障诊断正向推理方法[J];车用发动机;2001年04期
10 胡奕涛,武和雷;车用发动机故障综合智能诊断方法研究[J];车用发动机;2003年06期
【共引文献】
中国期刊全文数据库 前10条
1 刘灵芝;黄智勇;;汽车解码器使用性能的研究[J];安徽建筑工业学院学报(自然科学版);2007年02期
2 程卫东;王天杨;;字符特征的可分性量化分析[J];北京交通大学学报;2010年01期
3 苏思;姜礼平;邹明;;基于多分类支持向量机和证据合成方法的多传感器信息融合研究[J];兵工自动化;2010年01期
4 肖小锋;蔡金燕;李文钊;;基于证据理论的多诊断智能体解的综合方法[J];兵工学报;2006年04期
5 李燕琴;一种生态旅游者的识别与细分方法——以北京市百花山自然保护区为例[J];北京大学学报(自然科学版);2005年06期
6 卢宏建;高永涛;卢小娜;吴顺川;;基于最小二乘支持向量机和人工鱼群算法的预应力锚杆布置间距优化[J];北京科技大学学报;2010年01期
7 邓日青;傅晓林;;基于BP神经网络的电喷发动机故障诊断研究[J];北京汽车;2007年06期
8 周欣;吴瑛;;核Fisher判别分析在数字信号分类中的应用[J];北京邮电大学学报;2011年01期
9 陈新岗;田晓霄;张超峰;赵阳阳;;一种结合DS证据信息融合的变压器故障诊断方法[J];变压器;2010年08期
10 邱朝阳;王景林;陈伟根;;多种智能理论联合作用的电力变压器故障诊断[J];变压器;2010年12期
中国重要会议论文全文数据库 前10条
1 王红霞;田国会;李晓磊;卜范骞;;基于地标信息融合的家庭环境机器人组合导航[A];第二十六届中国控制会议论文集[C];2007年
2 陶新民;杜宝祥;徐勇;;基于Lyapunov指数的一类轴承故障检测研究[A];第二十六届中国控制会议论文集[C];2007年
3 曹爱增;陈月婷;魏军;李金屏;;一种基于EDAs和聚类分析的杂合进化算法[A];第二十六届中国控制会议论文集[C];2007年
4 杜奕;迟毅林;伍星;;信息融合在设备监测和故障诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
5 李鑫;李力争;;基于模板匹配的固态流体流速检测算法[A];第二十七届中国控制会议论文集[C];2008年
6 李潮潮;迟凯;付芳萍;车文刚;赵庆江;;基于模糊聚类的证券价格对公共信息的反应强度划分[A];第二十九届中国控制会议论文集[C];2010年
7 赵庆江;迟凯;付芳萍;李潮潮;车文刚;;基于FCM的模糊时间序列模型及人民币汇率预测[A];第二十九届中国控制会议论文集[C];2010年
8 王新;马庆林;;一种新型的基本概率分配函数获取方法及其应用[A];第二十九届中国控制会议论文集[C];2010年
9 刘涛;陈浩文;王书宏;黎湘;;基于红外多光谱的空间点目标识别方法研究[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
10 汤广富;马春实;刘欢;付强;;模糊聚类快速实用方法[A];第十四届全国信号处理学术年会(CCSP-2009)论文集[C];2009年
中国博士学位论文全文数据库 前10条
1 范迪;沉渣厚度超声检测信号处理技术研究及应用[D];山东科技大学;2010年
2 刘效武;基于多源融合的网络安全态势量化感知与评估[D];哈尔滨工程大学;2009年
3 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
4 邹玮;荧光分子断层图像的重建技术研究[D];苏州大学;2010年
5 易吉良;基于S变换的电能质量扰动分析[D];湖南大学;2010年
6 陈韶斌;基于知识推理和视觉机理的遥感图像目标识别方法研究[D];华中科技大学;2010年
7 蒋鼎国;无线传感器网络农业信息监控系统设计与数据融合研究[D];江南大学;2010年
8 宋清昆;自适应结构优化神经网络控制研究[D];哈尔滨理工大学;2009年
9 吕宁;基于数据驱动的故障诊断模型及算法研究[D];哈尔滨理工大学;2009年
10 高杰;基于过渡金属的超分子光化学传感器识别生物功能性检测物[D];华东理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
2 旺扎拉;特种车辆变速箱齿轮传动失效分析[D];长春理工大学;2010年
3 李朋勇;基于全矢高阶谱的故障诊断方法及其应用研究[D];郑州大学;2010年
4 宋晓玥;基于TDPCA与SPIHT的高光谱压缩和降维算法研究[D];哈尔滨工程大学;2009年
5 朱明;基于信息熵的导航传感器故障诊断技术研究[D];哈尔滨工程大学;2010年
6 叶铂;基于统计学方法的水面目标特征提取与识别方法的研究[D];哈尔滨工程大学;2010年
7 梁怀志;基于嵌入式的车型分类系统的设计与实现[D];大连理工大学;2010年
8 李海峰;高速列车传动齿轮箱性能检测系统设计与开发[D];大连理工大学;2010年
9 胡雅馨;基于粗糙集与证据理论的瓦斯传感器故障诊断技术的研究[D];辽宁工程技术大学;2009年
10 蒙昭森;基于图像的AGV道路交通标志识别技术研究[D];沈阳理工大学;2010年
【同被引文献】
中国期刊全文数据库 前10条
1 彭颖;沈怀荣;马永一;;一种新的冲突证据融合方法[J];兵工学报;2011年01期
2 安治永;李应红;苏长兵;;航空电子设备故障诊断技术研究综述[J];电光与控制;2006年03期
3 杨国安,许飞云,贾民平,钟秉林,周世刚;小波消噪用于钻井泵阀泄露故障诊断[J];东南大学学报(自然科学版);2001年02期
4 王永涛;韩建;牟海维;全星慧;;基于声谱分析的阀门内泄漏检测系统[J];大庆石油学院学报;2006年03期
5 胡昌华;司小胜;周志杰;王鹏;;新的证据冲突衡量标准下的D-S改进算法[J];电子学报;2009年07期
6 韩志强;;300MW汽轮机高压主汽调节阀故障分析及处理[J];山西电力;2008年06期
7 杜聚武;调节阀的故障分析与处理[J];阀门;2005年04期
8 杨贵;李仁旺;颜忠仔;张鹏举;;模糊数学在阀门故障诊断中的应用[J];阀门;2007年05期
9 夏德宏;邓娜;常青青;;煤气混合过程熵增加的解析与煤气利用[J];钢铁;2008年06期
10 刘凯;马丽敏;马丽玲;陈志东;穆英明;邹德福;;调节阀的应用及发展趋势[J];管道技术与设备;2008年02期
中国博士学位论文全文数据库 前7条
1 胡杰;轻型汽油车排放控制故障诊断方法及离线诊断技术研究[D];武汉理工大学;2011年
2 姜云春;基于模型的控制系统鲁棒故障诊断技术研究[D];国防科学技术大学;2006年
3 王其军;瓦斯监测系统故障智能诊断技术研究[D];山东科技大学;2007年
4 张德利;基于贝叶斯网络的故障智能诊断方法研究[D];华北电力大学(河北);2008年
5 韩晓娟;多源信息融合技术在火电厂热力系统故障诊断中的应用研究[D];华北电力大学(北京);2008年
6 邵继业;基于模型的故障诊断方法研究及在航天中的应用[D];哈尔滨工业大学;2009年
7 李秀喜;基于GEP的过程监测和化工过程安全运行智能辅助系统研究与开发[D];华南理工大学;2009年
中国硕士学位论文全文数据库 前6条
1 刘敏;无人机数据链自动测试系统研究[D];西北工业大学;2003年
2 韩宁;应用Fluent研究阀门内部流场[D];武汉大学;2005年
3 张伟政;调节阀内部流场的数值模拟及优化分析[D];兰州理工大学;2007年
4 杨丽;基于CFD技术的调节阀流动特性的研究[D];北方工业大学;2009年
5 李斌;基于CFD的调节阀内部流场的研究[D];兰州理工大学;2009年
6 胡德振;武器随动系统的自动测试系统设计与故障诊断技术研究[D];哈尔滨工业大学;2009年
【二级引证文献】
中国博士学位论文全文数据库 前1条
1 曹芳;大流量煤气压力调节阀流固耦合机理及动态特性研究[D];山东大学;2012年
【二级参考文献】
中国期刊全文数据库 前10条
1 杨文平,陈国定,石博强;基于小波理论的复杂机械振动信号降噪分析[J];北京科技大学学报;2002年04期
2 吴晓兵;基于灰色粗集模型的汽车变速箱故障诊断方法[J];北京理工大学学报;2000年05期
3 张艳,陈东,李晓雷,郑慕侨;融合阴阳补偿理论的软计算故障诊断方法[J];北京理工大学学报;2001年03期
4 史天运,王信义,张之敬,朱小燕,张建民;FMS 故障诊断专家系统的研究与开发[J];北京理工大学学报;1998年03期
5 陈英,李丰,邬延风;软件复用技术研究[J];北京理工大学学报;1998年06期
6 陈豪,张为公;基于B/S的汽车驾驶机器人远程故障诊断系统[J];北京汽车;2004年02期
7 石湘龙,张力军;汽车维修故障诊断智能决策支持系统的研究[J];北京汽车;2004年06期
8 吴吉平,吴运新,隆志力;基于模糊数学的故障诊断专家系统的设计和实现[J];包装工程;2003年02期
9 曹建国;汽车故障诊断专家系统知识库的建立[J];重庆工业管理学院学报;1998年05期
10 朱福根;;基于免疫机理的汽车故障检测技术研究[J];传感技术学报;2006年03期
中国博士学位论文全文数据库 前3条
1 张天宏;民航发动机远程故障诊断技术研究[D];南京航空航天大学;2001年
2 王志鹏;基于信息融合技术的故障诊断方法的研究及应用[D];大连理工大学;2001年
3 王新峰;机电系统BIT特征层降虚警技术研究[D];国防科学技术大学;2005年
中国硕士学位论文全文数据库 前2条
1 张涌钢;汽车发动机性能检测与故障诊断专家系统的研究[D];浙江大学;2001年
2 许化东;基于故障树分析法的汽车故障诊断专家系统的研究[D];合肥工业大学;2002年
中国知网广告投放
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026