基于虛擬儀器的發動機故障診斷.pdf

1、發動機是一個結構復雜、運動部件多、多種干擾激勵源的系統，通常包括啟動系統、燃油供給系統、進排氣系統、潤滑系統、冷卻系統等子系統，有的發動機還包括增壓子系統和電子控制子系統，這些子系統在運行過程中多有可能發生故障，對行車安全造成嚴重的威脅，在國內外都缺乏系統的故障檢測手段。
　　 本文在研究和比較了各種故障診斷技術的基礎上，把神經網絡理論和虛擬儀器技術融合應用到電噴發動機故障自診斷中，顯著提高了發動機運行的可靠性，并從保證發動機性

2、能、縮短維修時間、減少備件等方面獲得了顯著的經濟效益。
　　 本文首先對BP神經網絡的基本原理、模型結構、算法設計和應用情況進行了分析，并對BP神經網絡的一些改進算法及其訓練效果進行了研究。通過系統仿真驗證了BP神經網絡用于故障自診斷的可行性。
　　 然后在分析發動機各信號的組成、解釋發動機各傳感器所對應的故障現象以及基于LabVIEW編程技術上的信號處理，對表征發動機工作性能特征參數研究，提出并設計了基于虛擬儀器技術的

3、電噴發動機智能化故障診斷測試系統的通用化平臺，該平臺集成了信號采集技術、信號處理技術和數據庫技術以及包含本文新建的故障診斷模型在內的各項智能化故障自診斷技術。
　　 最后在該通用化平臺上，以廢氣排放測試項目為例，設計了基于神經網絡和虛擬儀器技術的發動機廢氣排放故障自診斷子系統，并驗證了該系統的準確性，有效解決了故障征兆信號的數據采集和存儲、信號處理分析以及神經網絡診斷推理等設計難點，實現了系統的在線診斷分析功能，提高了系統的診斷