CN106444489A - 基于数字化监测重型装备发动机的监测装置及其监测方法 - Google Patents

基于数字化监测重型装备发动机的监测装置及其监测方法 Download PDF

Info

Publication number
CN106444489A
CN106444489A CN201610797992.4A CN201610797992A CN106444489A CN 106444489 A CN106444489 A CN 106444489A CN 201610797992 A CN201610797992 A CN 201610797992A CN 106444489 A CN106444489 A CN 106444489A
Authority
CN
China
Prior art keywords
engine
monitoring
speed
data
main control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610797992.4A
Other languages
English (en)
Other versions
CN106444489B (zh
Inventor
乔新勇
王宪成
张小明
刘艳斌
孙志新
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Academy of Armored Forces Engineering of PLA
Original Assignee
Academy of Armored Forces Engineering of PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Academy of Armored Forces Engineering of PLA filed Critical Academy of Armored Forces Engineering of PLA
Priority to CN201610797992.4A priority Critical patent/CN106444489B/zh
Publication of CN106444489A publication Critical patent/CN106444489A/zh
Application granted granted Critical
Publication of CN106444489B publication Critical patent/CN106444489B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • G05B19/0423—Input/output
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02B—INTERNAL-COMBUSTION PISTON ENGINES; COMBUSTION ENGINES IN GENERAL
    • F02B77/00—Component parts, details or accessories, not otherwise provided for
    • F02B77/08—Safety, indicating or supervising devices
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
    • G01M15/00—Testing of engines
    • G01M15/04—Testing internal-combustion engines
    • G01M15/05—Testing internal-combustion engines by combined monitoring of two or more different engine parameters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/24—Pc safety
    • G05B2219/24036—Test signal generated by microprocessor, for all I-O tests
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明公开了基于数字化监测重型装备发动机的监测装置，包括：主控机，其用于对所述重型装备发动机进行监测；CAN总线通信电路，其包括CAN总线控制器和CAN总线收发器，所述CAN总线控制器通过所述CAN总线收发器与所述主控机进行数据传输；发动机监测模块，其连接所述CAN总线通信电路，用于采集发动机振动数据、燃油油量数据以及瞬时转速数据；仪表参数监测模块，其连接所述CAN总线收发器，用于将输入信号通过所述CAN总线控制器与主控机进行数据传输。本发明还公开了基于数字化监测重型装备发动机的监测方法。

Description

基于数字化监测重型装备发动机的监测装置及其监测方法
技术领域
本发明涉及发动机性能监测领域，具体涉及基于数字化监测重型装备发动机的监测装置及其监测方法。
背景技术
我军陆军装备的动力传动系统缺乏对其技术状态进行有效监测和故障诊断的方法及设备，由于不具备测试接口，因此开展动力传动系统的状态监测和故障诊断研究存在很大的难度。
为解决现役主战坦克的状态检测和故障诊断问题，目前相关部门研制开发了一些离线和状态检测和故障诊断设备。这些设备在装甲车辆的维修、保障中起到了一定的积极作用，但是在功能上比较单一，主要针对各个子系统进行独立分散的检测和诊断，缺乏整合性；此外它们多采用离线的检测方式，不能实现较全面的在线监测和故障诊断，因此往往不能及时发现潜在的故障诱因，错过维修时机，导致更严重的破坏性故障。因此，研制一种在线实时监测并能有效评估动力传动系技术状态的监测评估系统，对于保持装备的良好技术性能和战斗力，提高装备完好率具有重要的现实意义。
为保证良好的战技性能和安全可靠地工作，车辆在使用一定时期或根据其技术状况变化情况，应及时进行维修；目前，我军装甲车辆在维修方式上仍采用传统的“定时维修”制度，即一旦使用到规定的大修间隔期，强制送专业修理厂进行大修。
但是，由于装备使用条件不同，有的在热带地区使用，有的在寒冷地区使用，有的经常处于多灰尘下工作，有的在高原上工作；有的使用环境虽然相同，但具体使用工况不同。因此，装备履历簿上记录的摩托小时，不一定真实反映动力传动系统的技术状况，以此为依据来决定维修时机，会导致过剩修理或不足修理现象。
所以定期维修制度虽然能确保装备的战斗力，但没有考虑每台车辆在使用期内工作环境和具体使用特点等情况造成的使用寿命长短的个体差异，在送修时间上一刀切，限制了工作潜力的充分发挥。
因此，综合评价装备发动机的技术状况，视情提出维修建议，对于装备使用、维修和保障具有重要的现实意义。
发明内容
本发明设计开发了基于数字化监测重型装备发动机的监测装置，本发明的发明目的之一是解决多参数、多系统实时在线检测的问题。
本发明的发明目的之二是解决数据传输过程中系统与重型装备之间抗电气干扰以及模拟信号电磁兼容性高的问题。
本发明设计还开发了基于数字化监测重型装备发动机的监测方法，本发明的发明目的是通过实时在线全面监测发动机状态，实现对发动机状态的实时评价以及异常状态的报警。
本发明提供的技术方案为：
基于数字化监测重型装备发动机的监测装置，包括：
主控机，其用于对所述重型装备发动机进行监测；
CAN总线，其与所述主控机进行数据传输；
发动机监测模块，其连接所述CAN总线，用于采集发动机振动数据、燃油油量数据以及瞬时转速数据；
仪表参数监测模块，其连接所述CAN总线，用于将发动机转速和车速的输入信号以及温度、油压和电流的输入信号通过所述CAN总线与主控机进行数据传输。
优选的是，所述发动机监测模块包括：
转速传感器，其用于测量发动机瞬时转速；
涡轮流量传感器，其用于测量燃油油量；以及
振动加速度传感器，其用于测量发动机振动烈度。
优选的是，所述监测模块使用C8051F040单片机进行数据传输。
优选的是，在所述仪表参数监测模块中，所述输入信号包括：
发动机转速和车速的脉冲信号；以及
温度、油压和电流的电压信号；
其中，采用仪用放大器将所述电压信号输入，再通过隔离放大器后输入所述单片机，经过所述单片机的信号转换，输出水温、燃油油温、燃油油压、液压油油压、电流和电压。
基于数字化监测重型装备发动机的监测方法，包括：
采集发动机监测数据，其包括瞬时转速、燃油油耗以及发动机振动烈度；采集工况监测数据，其包括发动机转速、起动电压、起动电流、机油油压、液压油油压、机油油温以及冷却水温；
所述监测数据通过CAN总线通信电路传输至主控机；
所述主控机对所述发动机监测数据进行实时分析处理，确定发动机技术状态，其采用神经网络监测模型，其包括如下步骤：
步骤一、按照采样周期，通过传感器测量发动机的转速波动量、加速时间、减速时间、燃油油耗以及振动能量；
步骤二、确定三层BP神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为转速波动量，x2为加速时间，x3为减速时间，x4为燃油油耗，x5为振动能量；
步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2,o3,o4,o5}；其中，o1为技术状态好，o2为技术状态较好，o3为技术状态一般，o4为技术状态较差，o5为技术状态差，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3,4,5}，i为技术状态值，i＝{1,2,3,4,5}，当ok为1时，此时发动机处于ok对应的技术状态；
所述主控机对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警。
优选的是，所述隐层的神经元为10个。
优选的是，所述隐层及所述输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
优选的是，所述振动烈度其中，Vi为测量的振动速度值，N为测量的振动信号样本长度；以及
在所述步骤一中，所述转速波动量其中，n表示为在一个工作循环内瞬时转速波形表现次数，nimax为每次波动的最大值，nimin为每次波动的最小值。
优选的是，对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警，所述工作异常包括：所述发动机转速低于450rpm，所述发动机转速高于2000rpm，所述冷却水温高于105℃，所述机油温度高于110℃或者所述机油油压高于0.5MPa。
优选的是，所述工作异常还包括：蓄电池中的荷电状态低于50％。
本发明与现有技术相比较所具有的有益效果：
1、实现了军用重型装备发动机在线监测，实现了机内测试与评估诊断的功能，解决了车辆测试性差的问题；
2、采用的CAN总线技术，有效地减少了信号电缆的总长度和复杂度，提高了信息采集系统的抗干扰能力和可靠性；提升了装备信息化水平，为战场指挥控制及时提供工况信息和报告故障情况，为构建保障信息链提供了技术基础；
3、信号调理和数据采集系统集成度高、功能强大、抗干扰性能强；应用计算机技术，实现了信号检测与参数监测的自动化和智能化，提高了检测效率，保证了检测精度和技术状态监测的实时性；
4、采用了小样本统计模拟理论和人工神经网络自学习理论，解决了建模时所需的大数据样本问题。监测系统在装备使用过程中自动采集、记录动力传动系统的状态信息，并通过神经网络的自学习不断完善监测评估模型，从而提高监测系统性能。
附图说明
图1为本发明所述的监测模块中的CPU板的构成。
图2为本发明所述的仪表参数监测模块的构成。
图3为本发明所述的仪用放大器INA101AG外围电路1。
图4为本发明所述的仪用放大器INA101AG外围电路2。
图5为MAX308EJE外围电路。
图6为ISO100CP外围电路。
图7为脉冲信号采集电路。
图8为CAN总线配置示意图。
图9为监测模块的主程序流程图。
图10为发动机加减速过程的瞬时转速曲线。
图11为倒拖发动机时的瞬时转速曲线。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
如图1所示，本发明提供了基于数字化监测重型装备发动机的监测装置，包括：主控机，其用于对所述重型装备发动机进行监测；CAN总线通信电路，其包括CAN总线控制器和CAN总线收发器，所述CAN总线控制器通过所述CAN总线收发器与所述主控机进行数据传输；发动机监测模块，其连接所述CAN总线通信电路，用于采集发动机振动数据、燃油油量数据以及瞬时转速数据；仪表参数监测模块，其连接所述CAN总线收发器，用于将输入信号通过所述CAN总线控制器与主控机进行数据传输。
在另一种实施例中，主机选用了一款工业级PC104的工控机，可在-10℃到+80℃的环境中工作，基本配置表1所示。
表1 主控机配置
在工控机上通过Windows编程实现CAN总线的控制、各节点的管理，各节点采集的参数数据以及原始数据都存储到主控机的CF卡中，动力传动系统的技术状态监测评估软件集成到本系统内，通过驾驶员终端触摸屏，操作者可获得坦克的运行状态信息和监测结果。
在另一种实施例中，监测模块内部都集成了新型单片机C8051F040，每个模块就是一个智能节点，由相应的模拟信号接口板、CPU板以及电源模块构成，其中CPU板的构成如图1所示。
各模块以C8051F040为核心，并增加了扩展SRAM、RTC(实时时钟)、网络接口芯片、扩展I/O口、自检接口等电路单元。
各监测模块的模拟信号接口板单独设计，负责将模拟信号或脉冲信号调理到满足C8051F040接口标准要求的范围。为了提高系统的抗干扰性能和电磁兼容性，硬件系统的所有接入信号(包括模拟信号和脉冲信号)全部采用隔离措施，即模拟电路和脉冲信号电路全部采用隔离放大器和光电耦合器的电路结构，大大提高了本系统的电磁兼容性，保证了各模块可靠工作，而且保证了对车辆动力传动系统无干扰。
模块内部启用了硬件看门狗电路，保证万一软件系统异常时系统可正常自恢复。
各监测模块统一使用坦克蓄电池24V直流电压供电，电源模块全部选用了隔离型DC-DC模块，将24V电压转换成5V直流电压。该5V电压分别送入模拟信号接口板和CPU板，分别由各自的线性稳压器或DC-DC模块产生工作电压。
在另一种实施例中，监测软件由运行在各模块内的数据采集、分析软件和运行在主机的参数监测软件构成；运行在各模块的监测软件采用C语言编写，在KEILC环境中编译，软件主循环选通各路模拟信号，完成数据采集分析和评判任务，按照总线命令要求传输数据；CAN总线控 制器配置为中断模式，单片机在CAN接收中断中解析命令，并向响应命令，将本地检测获得的技术状况信息打包送入总线。
CAN主控机参数监测软件在windows中visual basic 6.0环境下编写，软件主要有三部分构成：主控软件，包括CAN接口管理、检测边界条件的设定、按照设定信息与CAN结点通信、虚拟仪表、人机交互；参数监测模块，负责监测各工况参数、状态参数，异常时报警，日常数据库管理，支持数据库查询，监测诊断报告生成；技术状态评估模块，对动力系统的技术状态进行分级评定；软件操作通过触摸屏完成，总线管理、数据存储、技术状况监测等过程在后台自动执行。
在本实施例中，在动力传动系统运行过程中，转速、压力、温度及振动等信号能够充分反映其工作状态，这些信号通过各监测模块进行采集并分析计算特征参数，然后将相应的参数经总线实时送入主控机，由主控机完成监测评估任务，因为采用了CAN总线技术，所以各模块间信息的共享更加容易，如变速箱模块和发动机模块都要使用工况模块的发动机转速参数来确定参数检测的边界条件；各监测信号、参数及传感器如表2所示，仪表参数监测模块具体监测的参数如表3所示。
表2 各监测信号、参数及传感器
表3 仪表参数监测模块采集的信号
在另一种实施例中，如图2所示，发动机转速传感器和车速传感器输出的脉冲信号经调理电路分别输入到C8051F040的T4、T2，测出发动机的转速和车辆行驶的速度，再由软件计算出发动机的总摩托小时、行驶时发动机工作的摩托小时、行驶的总里程数、行驶的本次里程数。
温度、油压、电流传感器产生的都是电压信号，与蓄电池的电压信号经调理电路输入到多路开关MAX308；由C8051F040产生的通道选择信号来控制具体哪一路信号输入到C8051F040的AIN0.0，利用C8051F040内部的A/D转换，分时计算出水温、机油油温、机油压力、液压油压力及电流、电压；外部复位电路可以强制C8051F04进入复位状态。时钟日历产生电路为C8051F040提供日期和时钟，为存储的数据 提供基准。C8051F040通过CAN总线收发器与主控机PC104进行通讯。
主控机PC104对使用参数检测模块采集的信号进行存储，同时可以通过PC104上的人机交互界面可以对历史数据进行查询，再现坦克使用过程中的技术状况。
在另一种实施例中，对模拟信号的采集要保证系统对仪表的读数没有干扰，否则即使采集系统可以修正，也会给驾驶员观察仪表造成误差，影响装备正常使用。为了尽可能的消除系统和坦克间的相互电气干扰，采用了两级抗干扰措施。首先采用具有高阻抗输入特性的仪用放大器将原信号接入本电路，基本上不改变原仪表电路的阻抗特性，保证不影响原有仪表系统的精度；另外还在各仪用放大器之后设计了多路开关，使各路模拟信号依次通过隔离放大器后再进入CPU板的A/D，从而杜绝了相互干扰，提高了电磁兼容性。
仪用放大器是一种具有差分输入和相对参考端单端输出的闭环增益组件，具有差分输出和相对参考端的单端输出。仪用放大器是集成放大器的一个分支，它比普通放大器具有更优异的电气性能；但是，仪表放大器的价格比普通放大器的价格要高，近年来由于制造技术的提高，特别是单片式仪用放大器的出现，极大的降低了仪用放大器的成本和体积，因此，仪用放大器得到了愈来愈广泛的应用。仪用放大器可以是组合而成的混合式仪表放大器，也可以是单片式集成仪表放大器。由于单片式仪表放大器具有成本低、体积小、使用方便等一系列特点，因此在数据采集系统中得到广泛的应用；在本实施例中，如图3所示，对模拟信号的调理选用了INA101AG仪用放大器，水温、机油油温、机油压力、液压油压力、电流信号的幅值范围均小于8V，它们与INA101AG的电路连接完全一样，INA101AG采用单端输入，信号直接输入到+Input，－Input接地；Gain Set 1、Gain Set 2分别与Gain Sense 1、GainSense 2连接，RG不接(即RG无穷大)，则增益G＝1；+VCC、-VCC分别接+12V、-12V电源；其它管脚空；由于蓄电池的电压信号直接取自蓄电池的端电压，电压变化范围是18～26V，为了使蓄电池输出信号和其它的电压信号幅值一致，在电压信号输入到INA101AG前加分流电阻R41、R42，如图4所示。则INA输出端的电压变化范围为到
远距离传输信号常因两地信号和电源的接地或者其它有共同回路而引入干扰，严重时会使系统失效；从安全角度考虑，希望强电部分不要影响操作人员；两个系统连接时也希望相互不发生干扰。因此电路中需要隔离措施，即一方面要切断电路间的直接联系，另一方面又要保证信号畅通。变压器就是利用电磁感应原理将信号从初级传到次级，但两者在电路上并没有联系。目前常用的隔离方式有变压器耦合和光电耦合两种方式，两种方式各有特点。一般来说，光电耦合在线性误差、隔离电压、共模抑制比等方面不及变压器耦合方式，但光耦合方式具有频响范围宽、不受电磁干扰、接受高频信号的敏感度低、体积小、价格便宜等特点；在本实施例中，选用了Burr－Brown公司生产的一种光电耦合隔离放大器ISO100CP，其具有精度高，线性好等特点。内部的反馈电路保证了ISO100CP具有很高的时间温度稳定性，内部器件的激光修正保证了它的温漂很小。ISO使用方便，可以很容易的实现电流－电压变换或者电压－电压变换，并且增益可以通过外接电阻进行调节，具有较高的频率带宽。主要应用在工业过程控制、生物设备、测试仪器和数据采集等场合。
在本实施例中，仪用放大器INA101AG输出的六路电压信号经MAX308EJE八选一多路开关选通后分时输入到ISO100CP的输入端，MAX308EJE的外围电路如图5所示；电源VDD、使能端EN接+12V，使其一直处于工作状态；由于所有的输入信号都是大于零的电压信号，VEE与GND接“地”；水温信号、机油油温信号、机油压力信号、液压油压力信号、电压信号、电流信号分别接MAX308EJE的NO1～NO6；C8051F040的P2.0、P2.1、P2.2经6N137隔离后接MAX308EJE的A0、A1、A2作为MAX308EJE的通道选择信号。
ISO100CP的外围电路如图6所示，采用单端输入方式。输入、输出端电源V1+、V1-分别接+15V、-15V电源，IN COM、OUTCOM分 别接地。输入信号来自于MAX308EJE的输出信号，输出信号输入到C8051F040的AIN0.0。为了减小单端输入时的误差，通过电阻R31、R32在REF1端加一个偏置电压，当输入信号为零时，调整电位器R35，即调整输出端的偏置电压REF2，使输出信号为零。
在如图6所示的电路中，其中VOUT为ISO100CP的输出电压；VIN为ISO100CP的输入电压，在这里输入信号均小于8V；RF为反馈电阻，阻值为220KΩ；RIN为电阻，等于R36和MAX308EJE内阻之和，即RIN＝680K+100＝680100Ω(MAX308EJE的通道内阻为100Ω)；所以ISO100CP的输出信号的电压满足C8051F040的模拟输入端的电平要求。
在ISO100CP的输出端接一个由R35、C36构成的低通滤波器，滤波频率上限
在另一种实施例中，如图7所示，本发明采集的脉冲信号主要包括车速信号和速度信号，信号均为幅值为5.6V的方波信号，为了减小电路对系统的干扰，本系统采用光耦隔离器6N137进行隔离，并把6N137输出的信号经SN74LS14N取反后分别输入到C8051F040的T2和T4，车速信号和转速信号的调理电路完全一样。转速信号(ZSXH)经限流电阻R21接三极管9013的基极，当输入为高电平(5.6V)时，三极管T21导通，使6N137的输入端发光二极管工作，输出端光敏二极管导通，输出低电平，经SN74LS14N取反后输出高电平，与输入的转速信号同相，6N137的输出为开漏，输出端需接加上拉电阻R25，经SN74LS14N取反后输出到C8051F040的T2；6N137的ENABLE(管脚7)接高电平，使其一直工作；6N137的输入输出的电源和地分别接坦克上信号的电源、地和采集系统的电源和地，从而彻底隔离了两部分的电气联系。
在另一种实施例中，经过综合调研，结合车辆现场状态监测的任务需求，在车辆测控中广泛使用的CAN总线网络；C8051F040单片机具有局域网(CAN)控制器，用CAN协议进行串行通信。Silicon Labs CAN控制器符合Bosch规范2.0A(基本CAN)和2.0B(全功能CAN)，方便了在CAN网络上的通信。CAN控制器包含一个CAN核、消息RAM(独立于CIP-51的RAM)、消息处理状态机和控制寄存器。Silicon Labs CAN是一个协议控制器，不提供物理层驱动器(即收发器)，需接CAN总线收发器才能和外部进行通讯。
如图8所示，CAN总线收发器采用Philips公司的PCA82C250CAN总线收发器，PCA82C250是CAN协议控制器和物理总线的接口，此器件对总线提供差动发送能力，对CAN控制器提供差动接收能力。
系统通过CAN总线实现了信息的互通互联，位于主控机内的CAN卡和各模块内的CAN控制器保证了信息的可靠传输，但是为保证各种参数信息被系统正确识别、分类、存储则必须建立完善的应用层协议。
通信协议采用“ID+数据”的格式组合成一个一个消息的形式，其中数据为3个字节，每个消息帧为40位(共占5个字节)，格式如表4所示。
表4 通信协议格式
模块编号 消息编号 帧类型(RTR) 数据字节数(DLC) 消息内容
4位 7位 1位(数据帧) 4位 8字节
xxxx yyyy yyy 0 1000 D0—D7
其中：ID(仲裁域)由模块编号3位和消息编号7位组成(共11位)；控制域中RTR为0，恒定为数据帧，DLC由4位组成，设置为3；消息描述为3字节，存放在数据域中。
动力、传动系状态监测系统中的主控机和三个监测模块的编号如下：
主控机为0，仪表参数监测模块为1，发动机监测模块为2；
编号从1开始，标示信息的类型，意义如下：
1为故障信息，故障码相应填写在消息描述中；
2为一般参数，模块通过参数监测计算获得的参数信息；
2为工况信息码，模块采集的工况信息；
4为状态信息码，模块监测结果；
5为配置信息，必要时，主机通过总线修改各模块配置，通过此消息传输配置字；
6为自检状态信息，消息描述中填写模块自检结果。
消息描述的中、高字节用来填写参数或工况检测的具体结果值，低字节中的低四位填写指数值，高四位填写参数或工况的序号，在各模块中独立定义。
在另一种实施例中，所有监测模块采用相同的CPU板，基本监测软件的结构相同。软件主循环选通各路模拟信号，完成数据采集分析和评判任务，按照总线命令要求传输数据；CAN总线控制器配置为中断模式，单片机在CAN接收中断中解析命令，并响应命令，将本地检测获得的技术状况信息打包送入总线。
系统开机后，由监测模块主程序负责初始化所有外部设备，开放CAN中断、自检、上传自检结果、从总线读取配置信息、然后循环扫描A/D，监督各路信号的变化情况，计算相应的参数值，按照预定的时间间隔上传数据；主程序和中断程序通过若干全局变量来传递信息；主程序流程如图9所示；其中，初始化程序包含以下过程：(1)初始化系统寄存器、PLL、看门狗和时钟，使单片及工作在外部晶振设定的22.1184MHz；(2)初始化CAN消息对象，包括仲裁域结构、帧格式、结点地址、位定时等，设置通信速率为125kbps；(3)初始化A/D至已知状态；初始化完成后，主程序调用FLASH中存储的配置文件，包括默认的数据上传时间间隔、各工况参数的报警值、故障模式信息等；接下来主程序启动A/D，进入主程序循环，在这个循环内，单片机的主要工作是按照顺序扫描A/D，按照各模块的配置、将模拟板上各路信号数字化，然后调用各自的参数监测子程序，进行参数计算、技术状况评判和简单的故障推断，如果发现异常，迅速向主机发送故障消息，否则按照既定的时间间隔上传数据。
单片机开放CAN中断用来接收主机传来的命令或其它模块的广播信息，在中断服务程序中，单片机按照总线协议解析主机的命令并相应命令，上传数据或下在配置数据。
在另一种实施例中，CAN主控机参数监测软件在windows中visual basic 6.0环境下编写，软件主要有三部分构成：(1)主控软件，包括CAN 接口管理、检测边界条件的设定、按照设定信息与CAN结点通信、虚拟仪表、人机交互；(2)参数监测模块，负责监测各工况参数、状态参数，异常时报警，日常数据库管理，支持数据库查询，监测诊断报告生成；(3)技术状态评估模块，对动力传动系统的技术状态进行分级评定；软件操作通过触摸屏完成，总线管理、数据存储、技术状况监测等过程在后台自动执行。
本发明还提供了基于数字化监测重型装备发动机的监测方法，包括：
采集发动机监测数据，其包括瞬时转速、燃油油耗以及发动机振动烈度；采集工况监测数据，其包括发动机转速、起动电压、起动电流、机油油压、液压油油压、机油油温以及冷却水温；
监测数据通过CAN总线通信电路传输至主控机；主控机对所述发动机监测数据进行实时分析处理，对发动机进行性能监测，确定发动机技术状态；
对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警。
在另一种实施例中，发动机在稳定运转时，曲轴的平均转速是不变的，但曲轴的瞬时转速是变化的，曲轴的瞬时转速包含着丰富的信息，在发动机稳定工作时，一个周期内转速的波动与各缸的喷油情况、磨损情况、进气情况等有直接关系。在电机拖动发动机运行时，一个周期内瞬时转速的波动直接与各缸的磨损有关。此外发动机加速和减速过程也必须通过测量曲轴的瞬时转速才能精确测量。可见发动机曲轴的瞬时转速是表征发动机技术状态的很重要参数之一，也是评估发动机使用期的很重要参数。实车上可采用光电式、磁电式或红外式传感器来测量柴油机的平均转速和瞬时转速；在本实施例中，使用的瞬时转速测量传感器安装在起动毂齿轮处。
根据瞬时转速信号可计算发动机的转速波动量及加速和减速时间，转速波动量，加速和减速时间是评估发动机使用期的重要参数。
在实车上，加速和减速时间可通过测量曲轴在加速和减速过程中的瞬时转速信号后计算求得；试验测量的发动机在加速和减速过程中的瞬时转速如图10所示。
在本实施例中，加速时间是指发动机在空负荷怠速的情况下，迅速将油门踏到底，使发动机加速，计算从怠速加速到最高空转转速的时间，加速时 间是表示发动机动力性能的重要指标，随着发动机使用期的增长，磨损增加，功率下降，加速时间将变长；
减速时间是指发动机在最高空转转速下运转时迅速停止供油，让发动机自然减速，计算从最高空转转速减速到转速为零的时间，减速时间是表示发动机机械损失的重要指标，也是评估发动机使用期的重要参数，随着发动机使用期的增长，活塞阻力减小，减速时间将变长；
转速波动量是指在发动机倒拖过程中测量的发动机转速的波动幅度，采用nΔ表示。实测的发动机倒拖过程中的瞬时转速如图11所示；在本实施例中，96式坦克发动机是12缸发动机，因此在一个工作循环内瞬时转速波形表现为12次波动，如每次波动的最大值用nimax表示，最小值用nimin表示，则转速波动量nΔ计算如下：随着发动机使用期的增长，活塞组磨损量增加，气缸漏气量增加，压缩耗功减小，转速下降幅度小，同时膨胀做功小，转速上升幅度小，因此nΔ减小。
在另一种实施例中，燃油流量测量传感器安装在柴油机细滤清器出口与高压油泵入口之间。
在另一种实施例中，振动测量传感器安装在左右气缸排中央位置，按下式振动烈度计算如下：其中，Vi为测量的振动速度值，N为测量的振动信号样本长度。
在本发明中，主控机对发动机监测数据进行实时分析处理，确定发动机技术状态，其包括如下步骤：
步骤一、建立BP神经网络模型。
BP模型上各层次的神经元之间形成全互连连接，各层次内的神经元之间没有连接，输入层神经元的输出与输入相同，即oi＝xi。中间隐含层和输出层的神经元的操作特性为
opj＝fj(netpj)
其中p表示当前的输入样本，ωji为从神经元i到神经元j的连接权值，opi为神经元j的当前输入，opj为其输出；fj为非线性可微非递减函数，一般取 为S型函数，即fj(x)＝1/(1+e-x)。
本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共m个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。
该网络的数学模型为：
输入向量：x＝(x1,x2,...,xn)T
中间层向量：y＝(y1,y2,...,ym)T
输出向量：o＝(o1,o2,...,op)T
本发明中，输入层节点数为n＝5，输出层节点数为p＝5，隐藏层节点数m＝10。
输入层5个参数分别表示为：x1为转速波动量，x2为加速时间，x3为减速时间，x4为燃油油耗，x5为振动能量；
输出层5个参数分别表示为：o1为技术状态好，o2为技术状态较好，o3为技术状态一般，o4为技术状态较差，o5为技术状态差，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3,4,5}，i为技术状态值，i＝{1,2,3,4,5}，当ok为1时，此时发动机处于ok对应的技术状态。
步骤二、进行BP神经网络的训练。
建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值，隐层节点j和输出层节点k之间的连接权值。
(1)训练方法
各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；各子网训练时的输出样本如表5所示。
表5 网络训练用的输出样本
(2)训练算法
BP网络采用误差反向传播(Backward Propagation)算法进行训练，其步骤可归纳如下：
第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。
第二步：对每个输入样本作如下计算：
(a)前向计算：对l层的j单元
式中，为第n次计算时l层的j单元信息加权和，为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，为前一层(即l-1层，节点数为nl-1)的单元i送来的工作信号；i＝0时，令 为l层的j单元的阈值。
若单元j的激活函数为sigmoid函数，则
且
若神经元j属于第一隐层(l＝1)，则有
若神经元j属于输出层(l＝L)，则有
且ej(n)＝xj(n)-oj(n)；
(b)反向计算误差：
对于输出单元
对隐单元
(c)修正权值：
η为学习速率。
第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。
BP算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为
Δω＝(JTJ+μI)-1 JTe
其中J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。
在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能。
下面结合具体的实施例进一步的对本发明提供的对发动机技术状态的方法进行说明。
为了测量发动机在全寿命周期内的参数数据，选择了使用期在0～550摩托小时内的某型柴油机进行测试。在试验中，按50摩托小时为间隔，把柴油机按使用期分为12组，即0、50、100、150、200、250、300、350、400、450、500、550摩托小时，每组选接近该组摩托小时的多台坦克作为试验样本。在测取瞬时转速、机体振动、燃油流量信号后，提取了发动机转速波动量、加速时间、速时间、振动能量和燃油流量特征，如表6所示。
表6 发动机在不同使用期的特征
根据前述建立的评价模型原理，进行发动机技术状态评价，结论如表7所示。
表7 技术状态评价结论
从表7可以看出，发动机技术状态评价结果与实际情况大致相同，在0～150摩托小时内为“好”或“较好”，在150～300摩托小时内基本为“较好”或“一般”，在300～450摩托小时内为“一般”或“较差”，在450～550摩托小时内为“较差”或“差”，从整体上看，反映了发动机技术状态随使用期增加而逐渐劣化的特点；由此，可以表明建立的发动机技术状态评价模型是可行的，通过监测系统不断地获取不同使用期的发动机状态信息，进而不断完善评价诊断模型，将实现可靠的发动机技术状态监测评估。
在另一种实施例中，对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警，工作异常包括：所述发动机转速低于450rpm，所述发动机转速高于2000rpm，所述冷却水温高于105℃，所述机油温度高于110℃或者所述机油油压高于0.5MPa。
在另一种实施例中，工作异常还包括：蓄电池中的荷电状态在冬季低于75％或者在夏季低于50％时。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.基于数字化监测重型装备发动机的监测装置，其特征在于，包括：
主控机，其用于对所述重型装备发动机进行监测；
CAN总线，其与所述主控机进行数据传输；
发动机监测模块，其连接所述CAN总线，用于采集发动机振动数据、燃油油量数据以及瞬时转速数据；
仪表参数监测模块，其连接所述CAN总线，用于将发动机转速和车速的输入信号以及温度、油压和电流的输入信号通过所述CAN总线与主控机进行数据传输。
2.如权利要求1所述的基于数字化监测重型装备发动机的监测装置，其特征在于，所述发动机监测模块包括：
转速传感器，其用于测量发动机瞬时转速；
涡轮流量传感器，其用于测量燃油油量；以及
振动加速度传感器，其用于测量发动机振动烈度。
3.如权利要求1或2所述的基于数字化监测重型装备发动机的监测装置，其特征在于，所述监测模块使用C8051F040单片机进行数据传输。
4.如权利要求3所述的基于数字化监测重型装备发动机的监测装置，其特征在于，在所述仪表参数监测模块中，所述输入信号包括：
发动机转速和车速的脉冲信号；以及
温度、油压和电流的电压信号；
其中，采用仪用放大器将所述电压信号输入，再通过隔离放大器后输入所述单片机，经过所述单片机的信号转换，输出水温、燃油油温、燃油油压、液压油油压、电流和电压。
5.基于数字化监测重型装备发动机的监测方法，其特征在于，包括：
采集发动机监测数据，其包括瞬时转速、燃油油耗以及发动机振动烈度；采集工况监测数据，其包括发动机转速、起动电压、起动电流、机油油压、液压油油压、机油油温以及冷却水温；
所述监测数据通过CAN总线通信电路传输至主控机；
所述主控机对所述发动机监测数据进行实时分析处理，确定发动机技术状态，其采用神经网络监测模型，其包括如下步骤：
步骤一、按照采样周期，通过传感器测量发动机的转速波动量、加速时间、减速时间、燃油油耗以及振动能量；
步骤二、确定三层BP神经网络的输入层神经元向量x＝{x1,x2,x3,x4,x5}；其中，x1为转速波动量，x2为加速时间，x3为减速时间，x4为燃油油耗，x5为振动能量；
步骤三、所述输入层向量映射到隐层，隐层的神经元为m个；
步骤四、得到输出层神经元向量o＝{o1,o2,o3,o4,o5}；其中，o1为技术状态好，o2为技术状态较好，o3为技术状态一般，o4为技术状态较差，o5为技术状态差，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3,4,5}，i为技术状态值，i＝{1,2,3,4,5}，当ok为1时，此时发动机处于ok对应的技术状态；
所述主控机对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警。
6.如权利要求5所述的基于数字化监测重型装备发动机的监测方法，其特征在于，所述隐层的神经元为10个。
7.如权利要求6所述的基于数字化监测重型装备发动机的监测方法，其特征在于，所述隐层及所述输出层的激励函数均采用S型函数fj(x)＝1/(1+e-x)。
8.如权利要求6所述的基于数字化监测重型装备发动机的监测方法，其特征在于，所述振动烈度其中，Vi为测量的振动速度值，N为测量的振动信号样本长度；以及
在所述步骤一中，所述转速波动量其中，n表示为在一个工作循环内瞬时转速波形表现次数，nimax为每次波动的最大值，nimin为每次波动的最小值。
9.如权利要求5-8中任一项所述的基于数字化监测重型装备发动机的监测方法，其特征在于，对所述工况监测数据进行实时分析处理，在发动机工作异常时进行报警，所述工作异常包括：所述发动机转速低于450rpm，所述发动机转速高于2000rpm，所述冷却水温高于105℃，所述机油温度高于110℃或者所述机油油压高于0.5MPa。
10.如权利要求9所述的基于数字化监测重型装备发动机的监测方法，其特征在于，所述工作异常还包括：蓄电池中的荷电状态低于50％。
CN201610797992.4A 2016-08-31 2016-08-31 基于数字化监测重型装备发动机的监测装置及其监测方法 Active CN106444489B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610797992.4A CN106444489B (zh) 2016-08-31 2016-08-31 基于数字化监测重型装备发动机的监测装置及其监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610797992.4A CN106444489B (zh) 2016-08-31 2016-08-31 基于数字化监测重型装备发动机的监测装置及其监测方法

Publications (2)

Publication Number Publication Date
CN106444489A true CN106444489A (zh) 2017-02-22
CN106444489B CN106444489B (zh) 2023-10-17

Family

ID=58164548

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610797992.4A Active CN106444489B (zh) 2016-08-31 2016-08-31 基于数字化监测重型装备发动机的监测装置及其监测方法

Country Status (1)

Country Link
CN (1) CN106444489B (zh)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106841530A (zh) * 2017-03-17 2017-06-13 中国人民解放军海军航空工程学院 基于化学气氛传感器的固体发动机状态监测装置
CN106919117A (zh) * 2017-04-25 2017-07-04 航天科技控股集团股份有限公司 用于汽车仪表水温燃油传感器采样电路
CN106990410A (zh) * 2017-03-08 2017-07-28 中国汽车技术研究中心 一种整车外部尺寸快速检测装置及方法
CN108572077A (zh) * 2017-12-07 2018-09-25 湖南工程学院 一种汽车发动机检测系统
CN108859477A (zh) * 2018-07-05 2018-11-23 吉林工程技术师范学院 一种儿童文学书籍装订机及其控制方法
CN109083887A (zh) * 2018-09-13 2018-12-25 西安建筑科技大学 一种基于aca-bp算法的挖掘机液压系统的故障诊断方法
CN109374058A (zh) * 2018-11-27 2019-02-22 贵州荣创信息科技有限公司 一种机械状态监管系统
CN109471803A (zh) * 2018-11-05 2019-03-15 湖南工学院 基于人因可靠性的复杂工业系统数字化人机界面画面配置方法
CN109755687A (zh) * 2019-01-16 2019-05-14 吉林大学 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法
CN110307990A (zh) * 2019-06-05 2019-10-08 中国中车股份有限公司 一种柴油机机油系统故障的智能诊断方法及系统
CN110416644A (zh) * 2019-08-05 2019-11-05 吉林大学 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法
CN110505134A (zh) * 2019-07-04 2019-11-26 国家计算机网络与信息安全管理中心 一种车联网can总线数据检测方法及装置
CN110799742A (zh) * 2017-06-29 2020-02-14 珀金斯发动机有限公司 发动机监测
CN111272434A (zh) * 2018-12-04 2020-06-12 中发天信(北京)航空发动机科技股份有限公司 一种分布式航空发动机试车测控系统
CN111651337A (zh) * 2020-05-07 2020-09-11 哈尔滨工业大学 一种sram存储器空间服役故障分类失效检测方法
CN111890406A (zh) * 2020-08-07 2020-11-06 江苏昱博自动化设备有限公司 一种助力机械手用抱夹式夹具
CN115263551A (zh) * 2022-09-27 2022-11-01 山东创乾海洋科技有限公司 一种海洋船舶发动机运行健康状态监测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0398481A2 (en) * 1989-05-18 1990-11-22 Ford Motor Company Limited Method and apparatus for diagnosing an electronic automotive control system by means of pattern recognition
CN1499749A (zh) * 2002-11-06 2004-05-26 天津工程机械研究院 基于网络的移动作业机群设备状态监测与故障诊断系统
CN101839805A (zh) * 2010-03-19 2010-09-22 同济大学 发动机主动故障质检与智能故障诊断方法
CN201662434U (zh) * 2010-04-03 2010-12-01 天正集团有限公司 基于can总线的智能振动检测装置
CN102998121A (zh) * 2012-12-17 2013-03-27 天津职业技术师范大学 基于信息融合的发动机喷油量异常故障诊断方法
CN204085892U (zh) * 2014-02-18 2015-01-07 中国人民解放军总参谋部陆航研究所 移动式涡轴发动机试车台的数据监控装置
CN105736140A (zh) * 2016-02-04 2016-07-06 中国人民解放军重庆通信学院 一种柴油机瞬时转速测量及气缸熄火故障诊断装置和方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0398481A2 (en) * 1989-05-18 1990-11-22 Ford Motor Company Limited Method and apparatus for diagnosing an electronic automotive control system by means of pattern recognition
CN1499749A (zh) * 2002-11-06 2004-05-26 天津工程机械研究院 基于网络的移动作业机群设备状态监测与故障诊断系统
CN101839805A (zh) * 2010-03-19 2010-09-22 同济大学 发动机主动故障质检与智能故障诊断方法
CN201662434U (zh) * 2010-04-03 2010-12-01 天正集团有限公司 基于can总线的智能振动检测装置
CN102998121A (zh) * 2012-12-17 2013-03-27 天津职业技术师范大学 基于信息融合的发动机喷油量异常故障诊断方法
CN204085892U (zh) * 2014-02-18 2015-01-07 中国人民解放军总参谋部陆航研究所 移动式涡轴发动机试车台的数据监控装置
CN105736140A (zh) * 2016-02-04 2016-07-06 中国人民解放军重庆通信学院 一种柴油机瞬时转速测量及气缸熄火故障诊断装置和方法

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106990410A (zh) * 2017-03-08 2017-07-28 中国汽车技术研究中心 一种整车外部尺寸快速检测装置及方法
CN106990410B (zh) * 2017-03-08 2020-03-20 中国汽车技术研究中心 一种整车外部尺寸快速检测装置及方法
CN106841530A (zh) * 2017-03-17 2017-06-13 中国人民解放军海军航空工程学院 基于化学气氛传感器的固体发动机状态监测装置
CN106919117A (zh) * 2017-04-25 2017-07-04 航天科技控股集团股份有限公司 用于汽车仪表水温燃油传感器采样电路
CN110799742A (zh) * 2017-06-29 2020-02-14 珀金斯发动机有限公司 发动机监测
CN110799742B (zh) * 2017-06-29 2023-02-17 珀金斯发动机有限公司 发动机监测
CN108572077A (zh) * 2017-12-07 2018-09-25 湖南工程学院 一种汽车发动机检测系统
CN108859477A (zh) * 2018-07-05 2018-11-23 吉林工程技术师范学院 一种儿童文学书籍装订机及其控制方法
CN109083887A (zh) * 2018-09-13 2018-12-25 西安建筑科技大学 一种基于aca-bp算法的挖掘机液压系统的故障诊断方法
CN109083887B (zh) * 2018-09-13 2020-04-21 西安建筑科技大学 一种基于aca-bp算法的挖掘机液压系统的故障诊断方法
CN109471803A (zh) * 2018-11-05 2019-03-15 湖南工学院 基于人因可靠性的复杂工业系统数字化人机界面画面配置方法
CN109374058A (zh) * 2018-11-27 2019-02-22 贵州荣创信息科技有限公司 一种机械状态监管系统
CN111272434A (zh) * 2018-12-04 2020-06-12 中发天信(北京)航空发动机科技股份有限公司 一种分布式航空发动机试车测控系统
CN109755687A (zh) * 2019-01-16 2019-05-14 吉林大学 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法
CN109755687B (zh) * 2019-01-16 2023-10-27 吉林大学 一种利用石墨烯膜对电池进行精确加热和冷却系统及其控制方法
CN110307990A (zh) * 2019-06-05 2019-10-08 中国中车股份有限公司 一种柴油机机油系统故障的智能诊断方法及系统
CN110505134A (zh) * 2019-07-04 2019-11-26 国家计算机网络与信息安全管理中心 一种车联网can总线数据检测方法及装置
CN110505134B (zh) * 2019-07-04 2021-10-01 国家计算机网络与信息安全管理中心 一种车联网can总线数据检测方法及装置
CN110416644A (zh) * 2019-08-05 2019-11-05 吉林大学 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法
CN110416644B (zh) * 2019-08-05 2023-10-24 吉林大学 一种车载锂离子动力电池隐性损伤监测和热失控早期预警装置及其预警方法
CN111651337A (zh) * 2020-05-07 2020-09-11 哈尔滨工业大学 一种sram存储器空间服役故障分类失效检测方法
CN111651337B (zh) * 2020-05-07 2022-07-12 哈尔滨工业大学 一种sram存储器空间服役故障分类失效检测方法
CN111890406B (zh) * 2020-08-07 2021-09-24 江苏昱博自动化设备有限公司 一种助力机械手用抱夹式夹具
CN111890406A (zh) * 2020-08-07 2020-11-06 江苏昱博自动化设备有限公司 一种助力机械手用抱夹式夹具
CN115263551B (zh) * 2022-09-27 2023-01-13 山东创乾海洋科技有限公司 一种海洋船舶发动机运行健康状态监测方法
CN115263551A (zh) * 2022-09-27 2022-11-01 山东创乾海洋科技有限公司 一种海洋船舶发动机运行健康状态监测方法

Also Published As

Publication number Publication date
CN106444489B (zh) 2023-10-17

Similar Documents

Publication Publication Date Title
CN106444489A (zh) 基于数字化监测重型装备发动机的监测装置及其监测方法
CN111639467B (zh) 一种基于长短期记忆网络的航空发动机寿命预测方法
CN100442063C (zh) 分布式智能电机监测系统
CN104283318B (zh) 基于大数据的电力设备综合监测与预警系统及其分析方法
CN101634605B (zh) 基于混合推理和神经网络的齿轮箱故障智能诊断方法
CN110276147A (zh) 一种基于数字孪生模型的制造系统故障溯源方法、系统
CN107560849A (zh) 一种多通道深度卷积神经网络的风电机组轴承故障诊断方法
CN109857090B (zh) 一种均衡风缸制动装置健康评估系统和方法
CN104503399A (zh) 一种集团级风电机组状态监测及故障诊断平台
CN105955148A (zh) 基于ZigBee的光伏组件在线监测与故障诊断方法
CN110348103A (zh) 一种基于数字孪生的车辆抗毁伤评估方法
CN106338406A (zh) 列车牵引电传动系统的在线监测与故障预警系统及方法
CN109948833A (zh) 一种基于长短期记忆网络的水电机组劣化趋势预测方法
CN102023100A (zh) 设备故障预警系统及方法
CN104596770A (zh) 一种车用动力总成综合性能测试系统
CN105487530B (zh) 柴油机排温低故障预测系统及方法
CN115562158A (zh) 一种数字孪生驱动的数控机床智能诊断方法、系统及终端机
CN103499921A (zh) 变结构模糊系统传感器故障诊断方法及其在飞控系统的应用
CN101718634A (zh) 基于多元概率模型的设备状态综合动态报警方法
CN113339204B (zh) 一种基于混合神经网络的风力发电机故障识别方法
CN203083829U (zh) 基于简易工况法尾气排放检测的汽车故障诊断系统
CN109492790A (zh) 基于神经网络与数据挖掘的风电机组健康管理方法
CN114626628A (zh) 碳排放核算系统及其核算方法
CN206021004U (zh) 一种用于监测装甲车辆动力传动系统的装置
CN103633938A (zh) 一种光伏阵列故障定位的方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant