当前位置: 首页> 学位论文 >详情
原文传递 燃料电池发动机故障诊断研究
论文题名: 燃料电池发动机故障诊断研究
关键词: 燃料电池发动机;燃料电池汽车;发动机故障;故障诊断;模糊神经网络;故障树
摘要: 能源与环境问题的日益严重,使燃料电池汽车成为当前世界各国的研究热点。作为燃料电池汽车的心脏,燃料电池发动机的性能、可靠性、使用寿命和环境适应能力等直接影响着燃料电池汽车的应用前景,及时、准确地诊断和排除其故障,保证燃料电池发动机平稳可靠的运行是一个重要研究方向。本文基于自主研发的60kW车用燃料电池发动机,开展燃料电池发动机故障诊断研究。主要研究内容如下: 比较和分析了几种典型的故障诊断方法:基于解析模型的故障诊断方法、基于信号处理的故障诊断方法和基于知识的故障诊断方法,针对燃料电池发动机提出了基于故障树和模糊神经网络的故障诊断方法。 结合燃料电池发动机系统结构,探讨了燃料电池发动机的传感器故障、执行器故障和控制器故障等故障的诊断情况,并分析了自检失败、启动困难、动力不足等典型故障征兆及其技术状态特征描述参数。 利用故障树分析法的直观性,以上述最不希望发生的故障为顶事件,将引起顶事件发生的软硬件故障、人为因素和环境因素等作为原因事件,逐级向下发展从而建立其故障树模型,分别求出各个故障树的割集和最小割集,并加以定性分析,针对电堆失效和氢气泄露两种典型故障树模型还进行了定量分析。 在假设传感器采集信号无故障的前提下,针对燃料电池发动机常见的执行器故障和误用故障,将输入量和输出量以隶属度函数表示,利用人工神经网络对样本进行训练,从而建立了其模糊神经网络故障诊断模型,并进行了仿真测试和验证。 本文建立了燃料电池发动机实际运行中典型故障的故障树模型以及模糊神经网络故障诊断模型,把二者相互结合应用于实际研发工作中,经过实践的检验,获得了较好的效果。
作者: 全睿
专业: 控制理论与控制工程
导师: 陈启宏
授予学位: 硕士
授予学位单位: 武汉理工大学
学位年度: 2009
正文语种: 中文
检索历史
应用推荐