一、汽油发动机点火系故障排除的诊断方法（论文文献综述）
马丽丽[1]（2022）在《浅析汽车发动机故障诊断技巧与维修经验》文中进行了进一步梳理汽车发动机维修是一项既考验专业技能又突出实践经验的工作。汽车发动机故障原因比较多,对于不同类型的发动机故障需要采取相应的诊断技巧与维修方案。本文结合多年实践调查,以汽车发动机点火故障、发动机抖动故障、发动机烧机油故障以及冷却液故障为例,详细分析诊断技巧与维修经验,以此为今后实践教学提供经验。
蒋开正[2]（2020）在《新桑塔纳轿车点火系故障诊断》文中研究表明点火系是汽油发动机的重要组成部分,其出现的故障占了将近发动机故障的50%,因此可见点火系统故障诊断与维修的重要性,本论文以大众新桑塔纳轿车点火系为例,分析了其常见故障原因并阐述了故障诊断步骤,以供维修参考。
石砚书[3]（2019）在《基于人工智能的汽油车发动机故障诊断研究》文中研究说明汽车作为现代生活必不可少的交通工作,是衡量人们生活质量的重要参数,同时汽车运转的情况,与交通安全、甚至与生命息息相关。发动机作为汽车运行的“心脏”,是汽车运转的核心部件,同时也是汽车故障原因的主要来源,基于某合资品牌的某款车为例,在质量方面无论在短占用期还是全三包周期,维修和索赔数据在行业中处于上游水平,但是每年与发动机相关的三包花费需要一千多万人民币,三包花费占整车三包花费的70%,发动机维修比例占整车维修比例的60%,并且专业汽车质量调研机构数据显示,有20%的客户对发动机的燃油经济性、噪音和抖动、维护成本较高产生了抱怨。现阶段,汽车企业的竞争是产品和服务的竞争,汽车故障诊断水平直接影响汽车企业的质量及服务水平,与企业发展、形象紧密相连。随着科技的进步,人工智能,云计算、大数据、移动网络等技术的兴起,为汽车发动机故障诊断带来新的发展思路,智能化的故障诊断将提高诊断的准确性、可靠性、及时性。因此,针对汽车发动机建立一个智能化的故障诊断模型对车辆安全,汽车企业的发展均有重要意义。本文致力于研究基于人工智能的汽油发动机故障诊断模型。针对单一智能诊断方法的局限性,引入自动化信息化处理技术-多信息融合技术,选择符合融合模型各层的智能化算法,将信息进行组合优化,为精准挖掘发动机故障原因奠定基础。本文首先,总结、归纳、分析故障征兆与故障原因的对应关系;其次,分析多信息融合技术应用于发动机故障诊断的可行性;最后,运用人工智能技术精准刻画数据层,特征层,决策层多信息融合的诊断模型,构建基于人工智能的汽油发动机故障诊断模型。该模型包含数据层、特征层、决策层。其中釆用能处理非线性问题、有自学习能力和容错能力、可快速做出故障分类的RBF神经网络,构建数据层的融合故障诊断模型;利用适合于小样本决策、具有较强泛化能力的支持向量机SVM算法,构建特征层的融合故障诊断模型;利用在表达不确定性问题方面更有优势的DS证据理论,构建决策层的融合故障诊断模型,选取数据层或特征层的融合故障诊断结果作为证据体,选取相应的可信度函数,一定程度上改善汽油发动机故障诊断的精度。最后,根据本实验用发动机各传感器特性,设计开发模拟装置,以模拟发动机在实际运行过程中出现的故障,获取汽油发动机实时状态数据,并对基于人工智能的汽油发动机故障诊断模型展开数据层,特征层,决策层的融合诊断测试,实验验证了该故障诊断模型的精度及时效性。
邵泽增[4]（2018）在《基于数据流的发动机故障诊断研究》文中进行了进一步梳理随着全球对环境保护的重视,车载诊断系统已经成为汽车的标准配置,要求车辆安装车载诊断系统,以便更好地监测汽车发动机的工作状况和尾气排放情况。随着工业自动化的发展、汽车设计复杂程度的提高,汽车发动机发动机已经变成一个高度集成化的汽车动力输出系统。维修过程中查找故障原因排除故障,使发动机恢复到原来的工作状态变得越来越困难。目前,汽车制造商、汽车研究机构及广大车主共同面对的问题。发动机在工作过程中,点火故障、喷油故障等都都可以导致发动机单缸失火。发动机失火不仅会造成发动机工作效率下降、油耗增加、排放不达标而且还会对大气造成污染。本文主要是通过对汽车发动机数据流的分析区分发动机喷油系统故障和点火系统故障。通过前期通过收集大量参考文献,了解国内外利用数据流解决发动机故障的现状。文中先首先分析影响发动机喷油和点火的主要因素,之后通过实验获取数据流,用小波分析对获取的数据流进行分析并总结规律,得出一般结论。
陆健,程联社[5]（2015）在《汽油发动机火花塞不跳火成因及诊断方法》文中指出汽车作为现代化的交通工具已经与人们的日常生活几乎密不可分,而汽车故障往往会影响人们的正常使用。火花塞作为汽车的易损件之一,如果出现失火故障,往往会给汽车的技术状况造成很大的影响。研究汽油发动机火花塞不跳火故障成因,并给出相应的故障诊断方法,以保证发动机的正常运行。
牛家骅[6]（2015）在《基于EEMD和SVM联合诊断的发动机故障分析》文中认为发动机作为汽车的动力源,其工作条件恶劣、故障率高。在日常使用中,气门间隙异常和点火系异常是发动机最常见的故障,气门间隙异常将影响发动机的进排气效果、动力性和排放性等指标;而发动机点火系异常将直接使发动机丧失工作能力。发动机缸盖表面振动信号的测量方便快捷,振动、冲击和噪声信号包含丰富的信息,可以实时地反映发动机的工作状态,本课题从发动机缸盖振动信号入手,针对故障诊断的两大核心环节——特征向量提取和故障状态识别,针对气门间隙异常和点火系异常的故障,分析探讨了运用总体平均经验模态分解（EEMD）和支持向量机（SVM）联合诊断的发动机故障分析方法。在信号分析理论的基础上,对特征模态函数的相关系数法的计算过程进行了推导,并运用此方法对仿真信号进行了特征向量提取,验证了此方法的有效性。以DA462型汽油发动机为研究对象,建立了发动机振动信号采集测试系统。人为模拟发动机气门间隙及缺火故障等8种工况,采集了各工况对应的一、四缸缸盖振动信号,并将采集的信号分为训练样本集和测试样本集。进行总体平均经验模态分解,得到各阶特征模态函数;随后运用相关系数法分别求取基于一、四缸振动信号的特征向量,将一缸振动信号的特征向量作为故障特征向量,建立用于发动机振动信号故障识别的BP神经网络、默认参数的SVM、交叉寻优的SVM、粒子群优化算法的SVM模型,得到测试集分类结果;将一、四缸振动信号的特征向量分别导入到四种故障识别分类器中,建立分类模型并得到测试集分类结果。对比两种方法的分类结果及用时,结果表明,应用EEMD算法的相关系数法对一、四缸振动信号求取故障特征向量、应用优化算法的支持向量机进行故障分类识别,两种方法结合,分类稳定性高,适用于非稳态时变信号,对小样本适应性强,对所设发动机故障的诊断识别准确率高,对发动机不解体故障诊断研究具有一定的应用价值。
刘婷婷[7]（2012）在《汽车发动机点火系统的故障诊断方法研究》文中研究说明随着汽车电子信息技术的迅猛发展,现代汽车的结构日益复杂,科技含量不断增加。现代汽车的故障诊断工作显得非常迫切。发动机的故障诊断和维修在汽车修理中占有极为重要的地位。统计数字表明,45%左右的发动机故障发生在点火系统,可见,点火系统工作质量的好坏直接影响到发动机的技术状况,其故障诊断具有重要意义。首先,本文在查阅大量文献的基础上,分析归纳了电子点火系统的常见故障和常用诊断方法。目前常用的方法有数字万用表和汽车点火示波器和人工智能。比较了各自的优缺点之后,本文采用基于GA-BP故障诊断模型的智能方法。该方法以次级点火电压波形为出发点,一旦点火系统出现故障,次级点火电压波形会产生变化,变化区域能够反映相应的故障信息。对次级点火电压波形进行深入分析并提取出反映波形变化的关键参数,作为GA-BP故障诊断模型的输入,根据对应关系,输出则为故障信息。其次,对GA-BP故障诊断模型进行建模。该模型包括数据采集、数据处理、BP神经网路、遗传算法（GA算法）、故障结论5大部分。汽车点火示波器作为采集模块,采集故障波形数据；数据处理模块对这些数据做归一化预处理；BP神经网络进行模式识别,得出故障结论。由于BP神经网络自身结构存在不足,一旦初始参数选取不当,会导致网络振荡,输出误差变大,且诊断时所需时间较长。本文采用遗传算法（GA算法）来解决这一问题。通过GA算法优化BP神经网络初始参数,以减小误差,提高诊断效率。最后,对GA-BP故障诊断模型进行MATLAB仿真分析。本文以广州本田雅阁汽车发动机F23A3为研究对象,对几种不同转速工况下的点火系统故障波形数据进行诊断测试。仿真结果表明,BP神经网络模型需要239步达到收敛,平均误差为2.29%；而GA-BP诊断模型的收敛步数为68,平均误差为0.17%。因此,对比结果表明,基于GA-BP模型的故障诊断方法效果更优,能够自动识别点火系统故障,并提高了诊断效率和正确率。
张胜宾,黄志永,李维兴[8]（2011）在《基于工作过程的发动机故障诊断学习情境设计——汽油发动机无法启动故障诊断》文中进行了进一步梳理文中阐述了"汽油发动机无法启动故障诊断"学习情境设计,以奇瑞A3发动机无法启动故障（包括有故障码故障和无故障码故障）为例,详细叙述了故障诊断与排除的过程。是基于典型工作过程的学习情境设计,以学习情境为载体使学生掌握相关知识,激发学生的兴趣和思维,从而提高学生综合职业能力。
徐路江[9]（2010）在《汽油机油电路故障诊断与排除》文中认为汽车发动机故障的诊断,往往由于油、电路故障同时出现,故障现象又往往相似,混杂一起,故比油路和电路的单独故障诊断要复杂的多。例如可燃混合气过稀与点火过迟的故障,都具有使汽车行驶无力,急加速时化油器出现回火的现象。这就给综合故障的诊断与排除增加了不少难度。为此应在掌握油、电路单项故障的诊断作业基础上,进而着手综合故障的诊断。
卢国东[10]（2010）在《基于PICO发动机综合分析仪的发动机故障诊断方法研究》文中认为本文阐述了各类汽车故障诊断法及诊断分析法,分析了发动机综合分析仪的功能及特点,研究了发动机综合分析仪在汽车故障诊断中的作用,对汽车疑难故障的诊断提供了一种效率较高、较有效的诊断方法,可为发动机综合分析仪应用效率的提高及在汽修业的普及应用提供帮助。针对目前汽车维修行业普遍存在的对发动机综合分析仪认知不足,使用率过低,对疑难故障往往会束手无策的问题,提出了发动机综合分析仪作为电控发动机故障诊断设备的特有作用,结合实际故障案例的分析表明,与常规故障诊断方法相比,发动机综合分析仪可系统的诊断电控发动机故障,减少检测诊断步骤,提高故障诊断的准确性和效率。具体内容包括:各类汽车故障诊断法的阐述,分析了汽车故障诊断的基本思路和路径,发动机综合分析仪的基本故障诊断原理,并以PICO发动机综合分析仪为应用实例,结合汽车实际故障诊断案例,阐述并分析了发动机综合分析仪在汽车故障诊断中的操作技巧及在诊断疑难故障的作用,在与常规诊断方法做比较后,得出了采用发动机综合分析仪在电控发动机故障诊断中的优点,最后分析了发动机综合分析仪在实际使用过程中存在的问题及相应对策。
二、汽油发动机点火系故障排除的诊断方法（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、汽油发动机点火系故障排除的诊断方法（论文提纲范文）
（1）浅析汽车发动机故障诊断技巧与维修经验（论文提纲范文）
| 0 引言 |
| 1 汽车发动机点火故障的诊断技巧与维修经验 |
| 1.1 点火系所有缸高压无火故障的诊断技巧与维修经验 |
| 1.2 火花弱故障诊断技巧与维修经验 |
| 1.3 点火时刻不正确故障诊断技巧与维修经验 |
| 2 发动机烧机油故障诊断技巧与维修经验 |
| 2.1 发动机烧机油的原因 |
| 2.2 发动机烧机油的检修经验 |
| 3 发动机抖动故障诊断技巧与维修经验 |
| 4 汽车发动机冷却液故障诊断技巧与维修经验 |
| 4.1 节温器故障诊断技巧与维修经验 |
| 4.2 发动机散热器故障诊断技巧与维修经验 |
| 4.3 水温传感器故障诊断技巧与维修经验 |
（2）新桑塔纳轿车点火系故障诊断（论文提纲范文）
| 1 新桑塔纳轿车点火系统组成及电路 |
| 2 新桑塔纳点火系故障诊断方法 |
| 3 新桑塔纳火系统常见故障及诊断 |
| 3.1 所有缸高压无火 |
| 3.2 个别缸无高压无火 |
| 3.3 火花弱 |
| 3.4 点火时刻不正确 |
| 3.4.1 故障现象 |
| 3.4.2 故障原因分析 |
| 3.4.3 故障诊断流程 |
| 4 小结 |
（3）基于人工智能的汽油车发动机故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与结构 |
| 1.3.1 研究主要内容 |
| 1.3.2 论文结构 |
| 第2章 发动机故障分析与人工智能 |
| 2.1 汽油发动机故障诊断 |
| 2.1.1 汽油发动机及常见故障概述 |
| 2.1.2 汽油发动机典型的故障征兆 |
| 2.1.3 汽油发动机故障诊断方法 |
| 2.2 多信息融合技术基础理论 |
| 2.3 人工智能基本理论与方法 |
| 2.3.1 RBF神经网络基本理论及方法 |
| 2.3.2 SVM支持向量机基本理论及方法 |
| 2.3.3 D-S证据理论基本理论及方法 |
| 2.4 本章小结 |
| 第3章 构建基于人工智能汽油发动机故障诊断模型 |
| 3.1 汽油发动机系统常见故障的诊断 |
| 3.2 多信息融合诊断方法研究 |
| 3.2.1 可行性分析 |
| 3.2.2 构建多信息融合的故障诊断模型 |
| 3.3 基于RBF神经网络的数据层故障诊断 |
| 3.3.1 RBF数据层故障诊断模型 |
| 3.3.2 与模型相关算法-K-means聚类算法 |
| 3.4 基于支持向量机的特征层故障诊断 |
| 3.4.1 SVM特征层故障诊断模型 |
| 3.4.2 与模型相关算法-主成分分析 |
| 3.5 基于D_S证据理论的决策层故障诊断 |
| 3.5.1 D_S决策层故障诊断模型 |
| 3.5.2 决策层融合诊断 |
| 3.6 本章小结 |
| 第4章 实验与结果分析 |
| 4.1 实验环境准备 |
| 4.2 数据层的故障诊断测试及分析 |
| 4.3 特征层的故障诊断测试及分析 |
| 4.4 决策层的故障诊断测试及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
（4）基于数据流的发动机故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 基于数据流的发动机故障诊断研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内的研究现状 |
| 1.3 本课题的研究内容 |
| 2 通过数据流进行故障诊断的可行性分析 |
| 2.1 发动机数据流主要参数分析 |
| 2.1.1 转速传感器分析 |
| 2.1.2 空气流量传感器分析 |
| 2.1.3 冷却液温度传感器分析 |
| 2.1.4 氧传感器分析 |
| 2.1.5 喷油脉宽信号分析 |
| 2.2 小波变换分析理论 |
| 2.2.1 dbN小波 |
| 2.2.2 dbN小波的阶数 |
| 2.2.3 dbN小波的分解层数 |
| 2.3 本章小结 |
| 3 基于数据流的发动机故障诊断实验研究 |
| 3.1 因喷油失效造成发动机失火的实验研究 |
| 3.1.1 电控发动机正常状态下试验 |
| 3.1.2 电控发动机有一缸喷油系统故障的试验 |
| 3.1.3 汽车电控发动机喷油故障诊断试验结果分析 |
| 3.2 因点火失效造成发动机失火的实验研究 |
| 3.2.1 V6电控发动机 |
| 3.2.2 电控发动机正常工况试验 |
| 3.2.3 电控发动机有一缸点火系统故障的试验 |
| 3.2.4 点火系统故障诊断分析流程 |
| 3.3 本章小结 |
| 4 典型案例 |
| 4.1 典型案例 |
| 4.2 典型案例小结 |
| 5 总结 |
| 致谢 |
| 参考文献 |
（5）汽油发动机火花塞不跳火成因及诊断方法（论文提纲范文）
| 0引言 |
| 1火花塞不跳火的成因分析 |
| (1) 电极故障 |
| (2) 火花塞头部积炭 |
| (3) 火花塞选用错误 |
| (4) 火花塞电极污染 |
| (5) 线路故障 |
| (6) 点火正时失准 |
| (7) 元器件故障 |
| 2火花塞失火故障排除 |
| 2.1车上检验 |
| (1) 试探法 |
| (2) 短路法 |
| (3) 高压击穿法 |
| 2.2电极工作情况检查 |
| 2.3更换总成法 |
| 2.4仪器设备诊断法 |
| 3结束语 |
（6）基于EEMD和SVM联合诊断的发动机故障分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题研究意义 |
| 1.3 本课题研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 课题主要研究内容 |
| 1.5 本章小结 |
| 第二章 发动机振动信号处理基础 |
| 2.1 汽车发动机故障特征 |
| 2.2 发动机振动信号的产生 |
| 2.2.1 气缸压力激励 |
| 2.2.2 曲柄连杆机构惯性力激励 |
| 2.2.3 气门开启落座激励 |
| 2.2.4 其他激励 |
| 2.3 本章小结 |
| 第三章 发动机故障特征向量提取 |
| 3.1 时域分析提取特征向量 |
| 3.2 频域分析提取特征向量 |
| 3.2.1 傅里叶变换 |
| 3.2.2 小波变换与小波包分解 |
| 3.3 经验模态分解 |
| 3.3.1 经验模态分解（EMD） |
| 3.3.2 总体平均经验模态分解（EEMD） |
| 3.3.3 EEMD算法的相关系数法 |
| 3.3.4 EEMD算法的相关系数法仿真实例 |
| 3.4 本章小结 |
| 第四章 发动机故障分类识别方法 |
| 4.1 人工神经网络 |
| 4.1.1 BP神经网络 |
| 4.1.2 RBF神经网络 |
| 4.2 支持向量机 |
| 4.2.1 支持向量机概述 |
| 4.2.2 支持向量机基本理论 |
| 4.2.3 支持向量机寻优算法 |
| 4.3 本章小结 |
| 第五章 信号采集测试系统的建立 |
| 5.1 发动机试验台架的搭建 |
| 5.2 实验方案设计 |
| 5.2.1 实验工况及采样频率的确定 |
| 5.2.2 试验步骤 |
| 5.3 本章小结 |
| 第六章 发动机气门间隙故障诊断分析比较 |
| 6.1 信号的时域分析 |
| 6.2 特征向量提取 |
| 6.2.1 一缸信号提取故障特征向量 |
| 6.2.2 一、四缸信号联合提取故障特征向量 |
| 6.3 故障分类识别 |
| 6.3.1 基于一缸信号的故障识别 |
| 6.3.2 基于一、四缸信号的故障识别 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 后续工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（7）汽车发动机点火系统的故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 概述 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景 |
| 1.1.3 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 发动机点火系统诊断方法发展阶段 |
| 1.2.2 发动机点火系统诊断方法研究现状 |
| 1.2.3 发动机点火系统诊断方法发展趋势 |
| 1.3 论文的主要研究内容 |
| 第2章 汽车发动机点火系统故障诊断方法分析 |
| 2.1 汽车发动机点火系统概述 |
| 2.1.1 发动机点火系统原理及构成 |
| 2.1.2 发动机点火系统的常见故障 |
| 2.2 故障特征与次级点火电压波形的相关性分析 |
| 2.3 汽车发动机点火系统故障诊断方法 |
| 2.3.1 数字万用表诊断法 |
| 2.3.2 点火示波器诊断法 |
| 2.3.3 人工智能诊断法 |
| 2.4 本文所采用的优化方法 |
| 2.5 本章小结 |
| 第3章 GA-BP算法分析研究 |
| 3.1 BP神经网络机理分析 |
| 3.1.1 BP神经网络拓扑结构 |
| 3.1.2 BP神经网络函数 |
| 3.1.3 BP神经网络学习规则 |
| 3.1.4 BP算法存在的缺点 |
| 3.2 GA算法分析 |
| 3.2.1 GA算法机理 |
| 3.2.2 GA算法的优势分析 |
| 3.2.3 GA算法的基本流程 |
| 3.3 GA-BP故障诊断思想 |
| 3.4 本章小结 |
| 第4章 基于GA-BP的点火系统故障诊断模型 |
| 4.1 GA-BP网络故障诊断模型的构建 |
| 4.2 数据样本采集 |
| 4.2.1 点火示波器采集次级点火电压波形 |
| 4.2.2 样本数据的准备 |
| 4.3 数据预处理 |
| 4.4 BP神经网络模型设计 |
| 4.4.1 输入层、输出层设计 |
| 4.4.2 隐含层设计 |
| 4.5 GA算法优化BP网络初始值 |
| 4.5.1 参数编码方式 |
| 4.5.2 初始群体生成 |
| 4.5.3 适应度函数设计 |
| 4.5.4 遗传算子操作 |
| 4.6 本章小结 |
| 第5章 基于GA-BP的点火系统故障诊断模型仿真 |
| 5.1 BP神经网络故障诊断模型的仿真 |
| 5.1.1 初始参数设定 |
| 5.1.2 隐含层仿真试验 |
| 5.1.3 BP神经网络故障诊断模型的仿真测试 |
| 5.2 GA-BP点火系统故障诊断模型的仿真 |
| 5.3 两种模型的诊断结果比较 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
（8）基于工作过程的发动机故障诊断学习情境设计——汽油发动机无法启动故障诊断（论文提纲范文）
| 1“汽油发动机无法启动”故障诊断学习情境设计过程 |
| 1.1 学习情境教学实施设计 |
| 1.2 教学组织与教学方法设计 |
| 1.3 学习效果评价体系 |
| 2“汽油发动机无法启动”故障诊断学习情境设计方案 (表1、表2) |
| 3“汽油发动机无法启动”故障诊断学习情境实施效果分析 |
| 4 结语 |
（9）汽油机油电路故障诊断与排除（论文提纲范文）
| 1 发动机不随起动 |
| 1.1 故障现象 |
| 1.2 分析与诊断 |
| 1.2.1 没有适时的强烈电火花产生在气缸内。 |
| 1.2.2 气缸内不能形成适当浓度的可燃混合气。 |
| 1.2.3 发动机内部右机械故障。 |
| 1.3 故障排除 |
| 1.3.1 起动时, 观察电流表, 若指针不在5-7A |
| 1.3.2 起动时, 若电流表动态正常, 可取下任一 |
| 1.3.3 若高压分线有火, 可察看浮子室内存油情况, 若浮子室内无油, 按不来油的操作方法排除故障。 |
| 1.3.4 若油平面正常, 可检查加速喷口是否喷油, 若不喷油, 应按加速不良排除故障。 |
| 1.3.5 若高压分线跳火、加速喷口喷油, 但仍不能起动, 应检查火花塞或点火正时。 |
| 1.3.6 通过以上检查后仍不能起动, 应检查发动机气缸压力;若压力过低, 应对发动机进行维修。 |
| 2 发动机不易起动 |
| 2.1 故障现象 |
| 2.1.1 起动时有着火征兆, 但不易起动; |
| 2.2 分析与诊断 |
| 2.2.1 混合气过稀或通浓;2. 2.2点火时间过早成过迟;2. 2.3高压火花过弱;2. 2.4少数缸不工作; |
| 2.2.5 发动机内部机械故障。 |
| 2.3 故障排除 |
| 2.3.1 发动机若有着火症状, 但不易起动, 可先查油路再查电路。 |
| 3 发动机运转不正常 |
| 3.1 怠速不良 |
| 3.1.1 故障现象。发动机起动后, 中、高速运转良好, 但松抬加速踏板, 发动机发抖或熄火。 |
| 3.1.2 分析与诊断。 |
| 3.1.3 故障排除。 |
| 3.2 高速不良 |
| 3.2.1 故障现象。发动机在低、中速时运转良好, 而高速时却发出无节奏的“突、突”声。 |
| 3.2.2 分析与诊断。 |
| 3.2.3 故障排除。 |
| 3.3 加速不良 |
| 3.3.1 故障现象。 |
| 3.3.2 分析与诊断。 |
| 3.3.3 故障排除。 |
| 3.3.4 爆震 |
| 3.3.4. 1 故障现象。发动机怠速运转良好, 而当转速提高或突然加速时, 发动机产生爆震。 |
| 3.3.4. 2 分析与诊断。 |
| 3.3.4. 3 故障排除。 |
| 3.3.5 化油器回火 |
| 3.3.5. 1 故障现象。a.发动机运转时化油器回火;b.动力下降。 |
| 3.3.5. 2 故障原因。a.混合气过稀;b.点火时间过迟;c.火花塞积炭、过热;d.分电器搭铁不良。 |
| 3.3.5. 3 诊断与排除。 |
| 3.3.6 发动机振抖 |
| 3.3.6. 1 故障现象:发动机运转时出现抖动。 |
| 3.3.6. 2 分析与诊断。 |
| 3.3.6. 3 故障排除。 |
（10）基于PICO发动机综合分析仪的发动机故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 汽车故障诊断技术概述 |
| 1.1.1 汽车故障诊断的概念及特点 |
| 1.1.2 汽车故障诊断技术的发展趋势 |
| 1.2 发动机综合分析仪概述 |
| 1.2.1 发动机综合分析仪的主要功能 |
| 1.2.2 发动机综合分析仪的基本特点 |
| 1.3 课题研究的主要内容及意义 |
| 第2章 汽车发动机故障诊断方法及基本诊断思路 |
| 2.1 人工经验法 |
| 2.2 仪器设备诊断法 |
| 2.3 故障码诊断分析法 |
| 2.3.1 故障码诊断分析法的概念 |
| 2.3.2 OBD-Ⅱ随车诊断系统故障代码含义 |
| 2.3.3 故障自诊断的基本原理及组成 |
| 2.3.4 维修方法 |
| 2.4 症状诊断分析法 |
| 2.5 其他故障诊断方法概述 |
| 2.5.1 故障树分析法 |
| 2.5.2 神经网络诊断 |
| 2.5.3 专家诊断系统 |
| 2.5.4 多种故障诊断方法的结合 |
| 2.6 汽车发动机故障诊断的基本思路 |
| 2.7 汽车发动机故障诊断的基本路径 |
| 2.8 本章小结 |
| 第3章 发动机综合分析仪的基本诊断原理及使用 |
| 3.1 发动机综合分析仪的正确使用 |
| 3.2 PICO 发动机综合分析仪主要功能及使用 |
| 3.2.1 PICO 发动机综合分析仪主要功能及配置 |
| 3.2.2 仪表特点 |
| 3.2.3 使用操作 |
| 3.3 发动机综合分析仪故障诊断原理 |
| 3.3.1 汽车电子信号的类型 |
| 3.3.2 汽车电子信号的判定依据 |
| 3.3.3 波形分析法诊断故障诊断原理 |
| 3.4 本章小结 |
| 第4章 PICO发动机综合分析仪在发动机故障诊断中的应用 |
| 4.1 PICO 发动机综合分析仪在发动机故障诊断中的应用与分析 |
| 4.1.1 启动测试 |
| 4.1.2 传感器检测 |
| 4.1.3 执行器检测 |
| 4.1.4 点火系统检测 |
| 4.1.5 一键显示功能（firstlook） |
| 4.2 发动机综合分析仪故障诊断典型案例分析 |
| 4.2.1 故障诊断实例分析1 |
| 4.2.2 故障诊断实例分析2 |
| 4.3 疑难故障诊断案例分析 |
| 4.3.1 常规流程诊断 |
| 4.3.2 用PICO 发动机综合分析仪进行故障诊断 |
| 4.3.3 两种诊断方式的比较与分析 |
| 4.4 发动机综合分析仪在故障诊断中存在的问题及对策 |
| 4.4.1 存在的问题 |
| 4.4.2 对策 |
| 4.5 本章小结 |
| 第5章 结论及展望 |
| 参考文献 |
| 致谢 |
四、汽油发动机点火系故障排除的诊断方法（论文参考文献）
- [1]浅析汽车发动机故障诊断技巧与维修经验[J]. 马丽丽. 内燃机与配件, 2022(04)
- [2]新桑塔纳轿车点火系故障诊断[J]. 蒋开正. 内燃机与配件, 2020(12)
- [3]基于人工智能的汽油车发动机故障诊断研究[D]. 石砚书. 吉林大学, 2019(03)
- [4]基于数据流的发动机故障诊断研究[D]. 邵泽增. 南京理工大学, 2018(06)
- [5]汽油发动机火花塞不跳火成因及诊断方法[J]. 陆健,程联社. 汽车零部件, 2015(11)
- [6]基于EEMD和SVM联合诊断的发动机故障分析[D]. 牛家骅. 内蒙古工业大学, 2015(02)
- [7]汽车发动机点火系统的故障诊断方法研究[D]. 刘婷婷. 武汉理工大学, 2012(11)
- [8]基于工作过程的发动机故障诊断学习情境设计——汽油发动机无法启动故障诊断[J]. 张胜宾,黄志永,李维兴. 广东交通职业技术学院学报, 2011(04)
- [9]汽油机油电路故障诊断与排除[J]. 徐路江. 黑龙江科技信息, 2010(13)
- [10]基于PICO发动机综合分析仪的发动机故障诊断方法研究[D]. 卢国东. 浙江工业大学, 2010(07)