基于虚拟仪器的发动机故障诊断系统的研究

6667%，实际的采集数据为：

100%负荷下功率： 289 287 290 293 289 301 293 294 289 300 298;

增压压力：84 92 86 94 83 91 90 89 94 87 82;

排温：412.2 427 423 415 427 430 428 426 423 431 400;

冷却水温度:71 70 77 72 73 70 74 70 72 74 72;

测量出10组数据后，根据参数的参考范围设置参数的比较上下限，经过上文提到的可信度加权的计算给采集的参数加权，最后利用各个参数的可信度加权数据进行逻辑判断计算出该故障的概率，通过该概率与设置的概率报警下限的比较实现故障的报警。

4 结论

经过本系统的可信度计算，系统就会根据设定的野值剔除规则将出现的野值剔除，从而避免了故障的误报。通过本系统的设计及仿真，可以看出基于可信度的技术的应用大大降低了故障的误报率，解决了误报率居高不下的问题，并且为日后的数据分析提供了可查数据。但是本系统的数据是模拟的数据，能够从一定程度上验证算法的可信性，希望能够利用真实的数据和硬件的系统进行集成，为日后的真实系统开发提供参考。

参考文献：

[1]徐章遂.房立清.米东.神经网络的柴油机燃油系统故障诊断[J].内燃机工程,2001. 22(3):32-35.

[2]乔新勇.刘东利.康葳.基于压力波的柴油发动机喷油器故障诊断研究[J].无损检测,2004(4):180-184.

[3]卫军.宋保维.王文斌.基于虚拟仪器的柴油发动机喷油器故障诊断研究[J].机械与电子,2006(7):53-55.

[4]刘守道,张来斌,王朝晖.柴油机故障诊断的现代方法及展望[J].石油矿场机械, 2000, 29(1):32-35.

[5]郭涛,赵志宇.基于故障树的车辆柴油机故障诊断[J].数码世界, 2016(9).

[6]陈农田,马婷,王杰,等.模糊故障树分析法在航空发动机滑油渗漏分析中的应用

[J].计算机测量与控制,2016, 24(6).

本文来源于《电子产品世界》2017年第4期第41页，欢迎您写论文时引用，并注明出处。