一、东风EQ1061型柴油车故障实例（论文文献综述）
范正伟[1]（2020）在《EQ1118G油量过低自动断油装置设计》文中进行了进一步梳理本文以EQ1118G型柴油车为例设计了一种油量过低自动断油装置,能够实现油量过低报警并延时一段时间熄火的功能,防止车辆由于燃油耗尽熄火使得燃油系统进气导致车辆发动不着故障。
刘海晓[2]（2018）在《基于CAN-BUS数据和粗糙集的公交车辆关键故障信息研究》文中研究指明随着首都公交车数量和运营里程不断增加,公交车辆高负荷的运行导致故障问题频现,出现故障后会影响正常交通秩序,所以分析公交车辆关键故障信息,科学地监测公交车健康状态是十分必要的。但是公交运行数据具有多样性、容量大、形式复杂的特点,传统地数据分析方法不能有效地分析解决问题。当公交车出现故障时,CAN-BUS（控制器局域网总线技术中文名）系统中的参数状态会发生相应变化。从CAN-BUS系统的众多参数中找出发生故障时的关键信息,可以提高公交车辆维修保养效率,进而提升公交运营水平。本文首先对CAN-BUS系统数据进行处理,包括数据清洗、数据导入和故障时间点判断;其次分析各种常见离散化算法,并结合各个离散化算法的优缺点与本文所用数据特点,最终选择基于布尔逻辑算法的属性离散化方法对公交车的连续属性值进行离散化操作;再次针对启发式搜索等约简算法存在着计算复杂度高的问题,提出基于遗传算法的属性约简算法对属性进行约简,该算法是基于粗糙集的基本原理,将条件属性与决策属性间的依赖度设置为优化目标,设置编码方式,利用基于遗传算法属性约简算法筛选条件属性。最后针对基于遗传算法属性约简算法计算结果不稳定且有可能陷入局部最优的问题,提出了基于元胞遗传算法属性约简算法进行属性约简,运用所设计的算法对CAN-BUS系统的实际车辆数据进行约简,并从算法的效率、稳定性、收敛质量和规则匹配度几个方面对两种算法进行了比较。通过本文算法的属性约简,得出公交车辆的关键故障信息为仪表车速、机油压力、扭矩百分比、顺时发动机转速、冷却液温度。进一步研究发现:基于元胞遗传算法属性约简算法相比于基于遗传算法的属性约简算法在算法效率、稳定性、收敛质量方面的适用性更高。尽管基于遗传算法的属性约简算法在规则匹配度方面略优于基于元胞遗传算法的属性约简算法,但是在可以接受的匹配度范围内,基于元胞遗传算法的属性约简算法的挖掘信息的能力更强。最后,论文用Java语言结合百度Echarts插件进行了公交车辆关键故障信息的实时展示、不同时段均值的展示、以公交月、车型和线路为查询条件的均值实时展示。在公交车运营中可以通过重点监测这些参数的实时变化,快速发现和解决车辆故障问题。
耿纪洲[3]（2014）在《军用车辆发动机机械故障诊断方法的研究》文中研究说明随着科学技术的发展,汽车发动机结构越来越复杂,但其故障诊断技术却远远落后于汽车技术的发展,尤其军用车辆柴油发动机机械故障诊断离实用要求有更大的距离,为了提高军用车辆保障能力,目前急需研究一套高效、准确的汽车发动机诊断系统。本论文以东风EQ2102汽车6BT5.9型柴油发动机为研究对象,简单介绍了柴油发动机机械故障机理,分析了柴油发动机故障诊断的研究现状及发展趋势;针对柴油发动机机械故障,采用振动诊断法,设计了发动机机体加速振动信号的测量方案,采用小波分形、小波包AR谱、双谱等技术对发动机振动信号进行处理,提取出典型故障的特征参数,并利用粗糙集理论进行了数据挖掘,提取关键诊断参数,剔除干扰信号;最后用蚁群算法优化神经网络,设计出了军用车辆发动机故障诊断系统。通过分析和研究,得出如下结论:柴油发动机机体表面的振动信号隐含着大量的故障信息,可以通过对其分析实现对发动机故障诊断;小波变换对原始信号分解后,对特定层重构成时域信号,计算分形维数,能够敏感地反映故障部位的特征;加速状态下的振动信号经小波包AR谱处理后,分段计算频段累加能量,可发现特定频段能量值与对应技术状态成比例关系,可作为特征参数;对各状态下的振动信号进行双谱分析,能够明显找出故障特征;粗糙集理论在挖掘隐藏在数据中有用的信息时,不需要任何附加的信息,而且在属性值离散化时,采用等频率与等间隔相结合的方法,可以保持数据中的自然分类特性;针对BP算法在训练神经网络时遇到的一些缺陷,提出并研制了基于蚁群算算法的神经网络发动机故障诊断系统,在试用中取得了良好的效果。
郝艳召[4]（2010）在《中观层次路网机动车排放动态量化评价研究》文中研究表明随着社会经济和城市建设的发展,机动车保有量急剧增长,交通拥堵问题日益凸显,这同时也导致了更为严重的交通环境污染,对其进行治理成为了亟待解决的问题。随着交通环境污染的日益加剧,排放控制策略研究也逐步由发动机改进等针对单车的排放削减发展到改善车辆路上行驶状态的路网机动车整体排放控制。而有效路网机动车排放控制策略制定的前提是准确合理的对路网机动车排放污染进行量化评估。目前的路网机动车排放量化评价研究一般从较为宏观的角度分析路网机动车排放总量,无法反映路网中不同路段排放污染的时空变化规律,因此也就不能够为环境管理者及时发现确定重污染路段和时段,分析成因并制定有效控制策略提供参考和指导。基于此,本文研究了基于实测交通特征从中观层次进行路网机动车排放动态量化评价的方法。对路网机动车排放进行量化评价涉及路段车流量、速度、车型构成以及车辆排放四方面的数据,由于现有的交通信息自动采集设备能够实时提供大范围路网中高时空分辨率的交通流量和速度数据,因此本文的研究主要从路段车型构成预测以及路上行驶车辆的排放量化预测两方面展开。首先,利用车牌识别技术实地收集典型路段的车型构成数据,采用决策树方法分析确定影响车型构成的主要路段特征指标。基于这些特征指标,充分考虑车型构成取值在0-1之间且加和为1的特点,采用多项Logistic回归方法建立车型构成预测模型,从而将有限路段的车型构成扩展到路网中的所有路段。其次,基于车载测试技术收集车辆行驶和排放数据,引入平均速度增量（Average Speed Increment, ASI）变量对车辆行驶状态进行细分,分别采用基于平均速度方法和基于机动车比功率分布的方法建立面向浮动车数据应用的中观层次机动车排放量化模型。在对两种方法所建立模型的拟合效果、数据需求和适用性进行分析后确定最佳的模型方法。最后,结合车型构成预测和机动车排放量化两个模型以及实测交通数据,建立针对路段、道路和路网多角度的路网机动车排放动态量化评价方法,并以北京市作为典型城市,采用“自下而上的逐层集计方法”分析评价北京市五环内路网机动车排放的时空分布规律和污染现状。
田光辉[5]（2004）在《汽车前照灯典型控制电路分析》文中进行了进一步梳理
夏怀成,李铃,张恩元[6]（2004）在《东风EQ1061型柴油车故障实例》文中提出
二、东风EQ1061型柴油车故障实例（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、东风EQ1061型柴油车故障实例（论文提纲范文）
（1）EQ1118G油量过低自动断油装置设计（论文提纲范文）
| 0 引言 |
| 1 EQ1118G熄火装置及主副油箱转换电路原理分析 |
| 1.1 EQ1118G熄火装置电路及原理分析 |
| 1.2 EQ1118G主副油箱转换电路及原理分析 |
| 2 自动熄火保护装置设计基本思路及电路 |
| 2.1 自动熄火保护装置设计思路 |
| 2.2 自动熄火保护装置设计电路图及工作过程分析 |
| 3 自动熄火保护装置设计方案 |
| 3.1 原件的选择 |
| 3.2 安装及调试 |
| 3.2.1 油量报警传感器的安装 |
| 3.2.2 延时继电器的安装 |
| 3.2.3 延时继电器延时时间的确定和报警传感器高度调整 |
| 4 实车验证及结论 |
（2）基于CAN-BUS数据和粗糙集的公交车辆关键故障信息研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1. 绪论 |
| 1.1. 研究背景及研究意义 |
| 1.1.1. 研究背景 |
| 1.1.2. 研究意义 |
| 1.2. 文献综述 |
| 1.2.1. 国外研究粗糙集在故障分析中的应用现状 |
| 1.2.2. 国内研究粗糙集在故障分析中的应用现状 |
| 1.2.3. 国内外文献研究评述 |
| 1.3. 研究结构框架和创新点 |
| 1.3.1. 研究结构框架 |
| 1.3.2. 本文创新点 |
| 1.4. 研究方法和技术路线 |
| 2. 相关理论基础 |
| 2.1. 粗糙集理论 |
| 2.1.1. 粗糙集理论的特点 |
| 2.1.2. 决策表的构建 |
| 2.1.3. 条件属性与决策属性的灰色关联度 |
| 2.1.4. 属性约简结果的获取 |
| 2.2. 数据离散化 |
| 2.2.1. 数据离散化的意义 |
| 2.2.2. 数据离散化方法 |
| 2.3. 本章小结 |
| 3. 公交车辆关键故障信息模型构建 |
| 3.1. 公交车辆关键故障信息模型 |
| 3.1.1. 公交车辆关键故障信息模型描述 |
| 3.1.2. 公交车辆关键故障信息分析决策表 |
| 3.1.3. 公交车辆关键故障信息中的连续属性离散化 |
| 3.1.4. 属性约简与决策规则的提取 |
| 3.2. 公交车辆关键故障信息模型优化 |
| 3.2.1. 元胞自动机理论与CAN-BUS数据的结合 |
| 3.2.2. 基于元胞遗传算法的属性约简流程 |
| 3.3. 本章小结 |
| 4. 公交车辆关键故障信息应用实例 |
| 4.1. 数据预处理 |
| 4.1.1. 数据介绍 |
| 4.1.2. 故障点的选取 |
| 4.1.3. 模型所需数据获取 |
| 4.2. 决策表的构建和连续数据的离散 |
| 4.2.1. 决策表的构建 |
| 4.2.2. 连续属性的离散 |
| 4.3. 属性约简结果 |
| 4.3.1. 基于遗传算法的属性约简结果 |
| 4.3.2. 基于元胞遗传算法的属性约减结果 |
| 4.4. 遗传算法和元胞遗传算法属性约简的检验与比较 |
| 4.4.1. 两种算法的效率和稳定性比较 |
| 4.4.2. 规则匹配度的检验和比较 |
| 4.5. 本章小结 |
| 5. 公交车辆关键故障信息可视化 |
| 5.1. 关键故障信息可视化需求分析 |
| 5.1.1. 关键故障信息实时展示需求分析 |
| 5.1.2. 关键故障信息不同时段展示需求分析 |
| 5.1.3. 关键故障信息月均值展示需求分析 |
| 5.2. 数据库表设计 |
| 5.3. 关键故障信息可视化展示 |
| 5.3.1. 关键故障信息实时展示 |
| 5.3.2. 关键故障信息不同时段展示 |
| 5.3.3. 关键故障信息月均值展示 |
| 5.4. 本章小结 |
| 6. 结论与展望 |
| 6.1. 全文总结 |
| 6.2. 研究展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）军用车辆发动机机械故障诊断方法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.1.1 论文研究的背景 |
| 1.1.2 论文研究的意义 |
| 1.2 汽车发动机故障诊断研究现状及发展趋势 |
| 1.2.1 发动机故障信号的获取方法 |
| 1.2.2 发动机信号处理和故障特征的提取方法 |
| 1.2.3 发动机故障模式识别技术 |
| 1.2.4 发动机故障诊断技术的发展趋势 |
| 1.3 论文的组织与结构安排 |
| 第二章 车辆发动机机械故障及振动信号的测量 |
| 2.1 引言 |
| 2.2 发动机的基本结构及常见故障 |
| 2.2.1 发动机的基本结构 |
| 2.2.2 发动机常见故障 |
| 2.3 发动机振动信号的测量 |
| 2.3.1 选择测试位置 |
| 2.3.2 选择测试转速 |
| 2.3.3 诊断对象技术状况设定 |
| 2.3.4 定转速非稳态信号测试系统的组成 |
| 2.3.5 定转速非稳态信号测量及信号的幅域分析 |
| 2.4 小结 |
| 第三章 基于小波分形技术提取发动机振动信号故障特征 |
| 3.1 引言 |
| 3.2 小波分析基本理论 |
| 3.2.1 小波变换的发展 |
| 3.2.2 连续小波变换 |
| 3.2.3 离散二进小波变换 |
| 3.3 分形基本理论 |
| 3.3.1 分形的定义和性质 |
| 3.3.2 网格维数的计算方法 |
| 3.3.3 网格维数的仿真计算[68] |
| 3.4 基于小波分形技术提取发动机故障特征 |
| 3.4.1 小波分形技术的基本思想 |
| 3.4.2 利用小波分形提取故障特征 |
| 3.4.3 计算结果分析 |
| 3.5 小结 |
| 第四章 基于小波包AR谱提取发动机振动信号故障特征 |
| 4.1 引言 |
| 4.2 小波包分解与重构算法 |
| 4.3 AR谱估计 |
| 4.4 小波包AR谱提取特征过程 |
| 4.4.1 小波包分解 |
| 4.4.2 分频段重构时域信号 |
| 4.4.3 AR谱分析 |
| 4.5 基于小波包AR谱提取发动机故障特征 |
| 4.5.1 利用小波包AR谱分析发动机振动信号 |
| 4.5.2 发动机振动信号小波包AR谱特征提取 |
| 4.5.3 分析结果讨论 |
| 4.6 小结 |
| 第五章：基于双谱理论提取发动机振动信号故障特征 |
| 5.1 引言 |
| 5.2 高阶谱基本理论 |
| 5.2.1 累积量与高阶谱定义 |
| 5.2.2 高阶谱的性质[70] |
| 5.3 基于非参数的双谱估计 |
| 5.4 基于双谱理论提取发动机振动信号故障特征 |
| 5.5 小结 |
| 第六章 基于粗糙集理论提取发动机振动信号故障特征 |
| 6.1 引言 |
| 6.2 粗糙集理论的基本概念 |
| 6.2.1 知识的概念与决策系统 |
| 6.2.2 不可分辨关系 |
| 6.2.3 粗糙集的上近似、下近似、边界区和近似精度 |
| 6.2.4 属性约简 |
| 6.2.5 粗糙集特点 |
| 6.3 基于粗糙集理论的发动机故障特征提取 |
| 6.3.1 信号处理与产生决策表 |
| 6.3.2 计算属性对决策近似精度 |
| 6.4 小结 |
| 第七章 基于蚁群神经网络的发动机故障诊断系统研究 |
| 7.1 引言 |
| 7.2 人工神经网络 |
| 7.2.1 人工神经网络基本原理 |
| 7.2.2 人工神经网络的主要学习算法 |
| 7.3 蚁群算法的基本理论 |
| 7.3.1“双桥”实验 |
| 7.3.2 蚁群算法的生物原理 |
| 7.3.3 蚁群算法的本质 |
| 7.3.4 蚁群算法的应用及展望 |
| 7.4 蚁群优化算法与神经网络的结合 |
| 7.4.1 蚁群算法优化神经网络的基本思想 |
| 7.4.2 蚁群算法优化神经网络的实现过程 |
| 7.4.3 蚁群算法优化神经网络的流程图 |
| 7.5 基于蚁群神经网络的柴油发动机机械故障诊断系统 |
| 7.6 小结 |
| 第八章 结论与展望 |
| 8.1 论文的主要结论与创新点 |
| 8.2 需进一步解决的工作 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
| 致谢 |
（4）中观层次路网机动车排放动态量化评价研究（论文提纲范文）
| 致谢 |
| 中文摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究目标与内容 |
| 1.3 研究方法与技术路线 |
| 1.4 论文框架结构 |
| 2 国内外相关研究综述 |
| 2.1 交通特征获取方法综述 |
| 2.1.1 基于实测的交通特征获取 |
| 2.1.2 基于仿真的交通特征获取 |
| 2.1.3 交通特征获取方法比较分析 |
| 2.2 机动车排放获取方法综述 |
| 2.3 机动车排放量化研究综述 |
| 2.3.1 基于微观行驶参数的量化模型 |
| 2.3.2 基于中观行驶参数的量化模型 |
| 2.4 中观层次路网机动车排放量化评价研究综述 |
| 2.4.1 路网机动车排放静态量化评价 |
| 2.4.2 路网机动车排放动态量化评价 |
| 2.5 本章小结 |
| 3 交通和排放数据收集与质量控制 |
| 3.1 路网机动车排放动态量化数据需求分析 |
| 3.2 交通数据质量控制 |
| 3.2.1 流量数据质量控制 |
| 3.2.2 速度数据质量控制 |
| 3.3 车型构成数据收集 |
| 3.3.1 车牌视频数据收集 |
| 3.3.2 车牌数据识别与数据库建立 |
| 3.3.3 车型构成数据获取 |
| 3.4 排放数据收集与质量控制 |
| 3.4.1 实验设备 |
| 3.4.2 数据收集方案 |
| 3.4.3 数据质量控制 |
| 3.5 本章小结 |
| 4 基于路段特征的车型构成预测模型 |
| 4.1 车型构成时空特征分析 |
| 4.1.1 时间变化特征分析 |
| 4.1.2 空间变化特征分析 |
| 4.2 基于决策树的路段特征指标选取 |
| 4.2.1 决策树原理 |
| 4.2.2 车型构成影响因素分析 |
| 4.2.3 车型构成主要影响因素确定 |
| 4.3 基于多项Logistic回归的车型构成预测模型 |
| 4.3.1 车型构成预测模型设计 |
| 4.3.2 车型构成预测模型实现 |
| 4.3.3 车型构成预测模型检验 |
| 4.3.4 模型初步应用分析 |
| 4.4 本章小结 |
| 5 中观层次机动车排放量化模型 |
| 5.1 机动车排放特征分析 |
| 5.1.1 微观层次排放特征分析 |
| 5.1.2 中观层次排放特征分析 |
| 5.2 中观层次机动车排放量化方法设计 |
| 5.2.1 基于VSP-Bin分布的排放量化方法设计 |
| 5.2.2 基于平均速度的排放量化方法设计 |
| 5.3 中观层次机动车排放量化模型建立 |
| 5.3.1 基于VSP-Bin分布的中观排放量化模型 |
| 5.3.2 基于平均速度的中观排放量化模型 |
| 5.4 模型比较及适用性分析 |
| 5.4.1 模型拟合效果比较 |
| 5.4.2 模型适用性分析 |
| 5.4.3 模型预测精度验证 |
| 5.5 本章小结 |
| 6 中观层次路网机动车排放动态量化评价 |
| 6.1 基于GIS的路网机动车排放量化评价方法 |
| 6.1.1 GIS技术的应用 |
| 6.1.2 多角度量化评价指标建立 |
| 6.1.3 量化评价方法设计 |
| 6.2 中观层次路网机动车排放动态量化评价 |
| 6.2.1 空间分布规律分析评价 |
| 6.2.2 时间分布规律分析评价 |
| 6.2.3 路网机动车排放综合评价 |
| 6.3 本章小结 |
| 7 结论与展望 |
| 7.1 主要结论与创新 |
| 7.2 研究展望 |
| 参考文献 |
| 附录A 车型构成决策树 |
| 附录B 车载测试车辆基本信息 |
| 附录C 机动车VSP-Bin排放率表 |
| 附录D 基于VSP-Bin分布的中观排放量化模型 |
| 附录E 基于平均速度的中观排放建模 |
| 作者简历 |
| 学位论文数据集 |
（5）汽车前照灯典型控制电路分析（论文提纲范文）
| 1 继电器控制式前照灯控制电路 |
| 1.1 卸荷型前照灯控制电路 |
| 1.1.1 单组继电器控制式前照灯电路 |
| 1.1.2 组合继电器控制式前照灯电路 |
| 1.2 保护型前照灯控制电路 |
| 1.2.1 单组继电器控制式前照灯电路 |
| 1.2.2 组合继电器控制式前照灯电路 |
| 2 电子控制式前照灯控制电路 |
四、东风EQ1061型柴油车故障实例（论文参考文献）
- [1]EQ1118G油量过低自动断油装置设计[J]. 范正伟. 内燃机与配件, 2020(17)
- [2]基于CAN-BUS数据和粗糙集的公交车辆关键故障信息研究[D]. 刘海晓. 北京交通大学, 2018(01)
- [3]军用车辆发动机机械故障诊断方法的研究[D]. 耿纪洲. 中国石油大学(华东), 2014(07)
- [4]中观层次路网机动车排放动态量化评价研究[D]. 郝艳召. 北京交通大学, 2010(07)
- [5]汽车前照灯典型控制电路分析[J]. 田光辉. 汽车电器, 2004(03)
- [6]东风EQ1061型柴油车故障实例[J]. 夏怀成,李铃,张恩元. 汽车维修, 2004(01)