一、蓄电池常见的几种故障（论文文献综述）
张晟博[1]（2021）在《知识图谱驱动的发动机AR辅助维修技术研究与实现》文中认为发动机作为汽车的核心部件,具有类型繁多,结构复杂、零部件数量多等特点,其维修是汽车维修过程中的重点和难点。在发动机故障维修工作中,存在故障原因查找困难、零部件结构认知不准确、维修操作过程不规范、维修效率低等问题,仅依靠维修人员的维修经验和查询维修手册等传统方法很难保证发动机故障准确高效的维修需求。目前针对发动机故障维修主要依靠电脑诊断软件故障和维修人员依据故障现象和经验查找硬件故障这两种方式,而在使用其他技术辅助发动机故障维修方面的研究很少,不能很好的解决发动机故障维修操作不规范且效率低的问题。本文以发动机为研究对象,针对发动机故障原因查找困难,构建了发动机故障维修知识图谱,实现了维修数据的统一结构化表示,为故障原因的查找和维修资源的推送提供了数据支撑;针对发动机维修过程零部件结构认知困难和操作不规范,研究了用AR技术辅助维修人员解决发动机故障的方法,保证故障维修的规范性和高效性;并综合知识图谱和AR技术设计开发了发动机故障辅助维修系统。首先,对发动机故障检修过程产生的大量维修数据进行分析处理,再通过知识抽取、知识融合、知识加工等技术构建发动机故障维修知识图谱,实现对维修数据的统一结构化表示;然后,以构建的发动机故障维修知识图谱为基础,通过子图匹配、相似度计算等过程实现对发动机故障的维修方法检索,并基于知识图谱中维修工具本体模型,研究了对发动机维修过程中所需维修工具的匹配推送方法;接着,针对AR辅助维修过程所需的关键技术,研究了基于ORB和KLT算法的发动机故障维修虚拟模型三维跟踪注册方法,具体包括特征点检测、特征描述、特征点匹配跟踪等实现故障维修虚拟场景与真实世界的三维跟踪注册,并完成了对辅助维修过程中的虚实融合显示和人机交互方式的设计;最后,以发动机空气滤清器故障维修为例,搭建了发动机故障辅助维修系统,实现了故障检索、维修步骤推送,维修过程AR展示等功能,验证了所提方法的可行性和实用性。本论文的研究方法为发动机故障维修提供了新的思路,对提高发动机故障准确高效的维修具有一定的实际意义,为其他领域设备的辅助维修过程提供了借鉴经验。
高宏鹏[2]（2021）在《防爆无轨胶轮车故障诊断系统研究》文中进行了进一步梳理防爆无轨胶轮车在现代煤矿的辅助运输中承担着十分重要的角色,在煤矿中得到广泛的应用。由于自身的结构较为复杂,加之煤矿井下环境恶劣,存在着许多不稳定的因素,使得无轨胶轮车的故障率较高。为了保证车辆在井下的安全运行,必须加强对防爆无轨胶轮车故障诊断的研究,减少车辆故障的发生,提高车辆的运行稳定性。本文以防爆无轨胶轮车作为研究对象,分析无轨胶轮车的特性和故障特点,总结车辆各系统组成及常见故障。研究故障树分析法与专家系统的诊断特性,建立无轨胶轮车各系统故障树模型,运用“产生式规则+框架表示法”将定性分析后的故障树转化为专家系统中的知识库,解决专家系统难获取知识的问题。将模糊矩阵与层次分析法结合,判定专家对底事件的评判权重,进而获得底事件产生故障的模糊概率,解决难以获得底事件故障概率的问题。利用底事件概率完成故障树定量计算,得到底事件的重要度,将其与专家系统中的推理机相结合,解决推理规则的优先级问题。推理机采用正向推理的方式完成对系统故障的推理。故障诊断系统将故障树分析法与专家系统分析法的优势结合,经过处理后应用到无轨胶轮车的故障诊断中,提高了系统的诊断效率。在柴油机的某些部位安装传感器,通过分析监测到的数据,辅助系统进行故障诊断。本文利用SQL Server2014数据库完成防爆无轨胶轮车故障诊断系统中知识库的建立,运用C#编程语言在Visual Studio2015环境下开发出防爆无轨胶轮车故障诊断系统软件,良好的人机交互界面实现了故障诊断的功能。利用诊断系统对无轨胶轮车故障进行诊断验证,结果满足设计要求,表明故障树分析法与专家系统结合用于防爆无轨胶轮车故障诊断的可行性。
孔令建,江城城,卜德强,吕媛媛[3]（2020）在《柴油机常见故障及快速维修研究与应用》文中研究指明柴油机动力强劲、热效率高,在很多领域都有着广泛的应用。文章总结了柴油机在使用过程中常见的几种故障,包括难以启动、冒黑烟、自行熄火、水温过高和动力不足,对故障的原因进行了详细的分析,并根据故障原因介绍相应的排除方法,希望能够给维保人员提供一定的柴油机故障排除的思路和方法。
戴佳荣,江城城,吕媛媛,王金生,张营[4]（2020）在《发动机不能启动故障分析教学案例》文中提出从蓄电池、启动系统、点火系统、传感器、错误驾驶习惯六个方面对汽车发动机无法启动的原因进行了分析,并针对不同的原因提出了故障排除的方法和思路,希望在遇到此类故障时,能够为车主和汽车维修人员提供一定的故障排除思路,保障汽车能够正常启动,为我们驾车出行提供便利。
吴怀侠[5]（2020）在《拖拉机蓄电池的常见故障分析与排除》文中认为通过对蓄电池常见的极板硫化、自行放电、活性物质脱落、电解液消耗过快等故障的分析,提醒用户使用中注意预防,以延长拖拉机蓄电池的使用寿命。
沙道英[6]（2020）在《汽车电气设备故障的判断与排除》文中研究说明汽车目前作为一种代步的交通工具在社会上得到广泛的应用,人们为了追求现代化以及便捷化的生活方式,大部分的家庭也都在逐渐购买汽车作为家庭的代步工具,导致社会上使用汽车的数量日渐增多,汽车在运行的过程中,经常会发生故障,并且汽车电气设备故障的发生率通常比较高,是我国维修汽车故障的主要维修内容。本文阐述了汽车电气系统模式的基本构成,分析了造成汽车电气设备故障的原因,同时提出了解决汽车电气设备故障问题的具体的维修方案。
徐利鹏[7]（2020）在《基于集成学习的光伏阵列故障诊断研究》文中研究表明随着过去传统能源对于环境的污染和破坏后果愈加凸显,以及伴随着化石燃料的日益减少,太阳能已成为人类能源利用的必不可缺的一部分,并持续发展着。在第三次工业革命的驱动下,我国对清洁能源如风能、太阳能推出了大量政策来鼓励和发展新型能源产业,具备的可再生、清洁环保等优点的太阳能迅速成为新能源代表,围绕着光伏发电技术领域也迅速成为国内外研究热点。其中光伏组件是光伏发电系统中必不可少的一环,保证光伏组件的安全平稳运行与及时故障报警是提高发电能力和防止意外火灾等重大事故的前提保障。所以,本文以光伏组件为研究对象,分析组件长期运转可能存在的故障并搭建了仿真模型。依靠概率神经网络（PNN）良好的模式分类能力,采用概率神经网络（PNN）作为故障诊断的基本模型。同时为了解决概率神经网络在人为设定参数产生的精确度偏差问题,本文引入正余弦随机优化（SCA）算法来对PNN的平滑因子进行优化以达到自适应调整目标。并基于AdaBoost的集成算法模型,将SCA优化后的PNN作为弱分类器,并将多种弱分类器采用概率线性组合的方式得到强分类器输出结果,提高模型诊断的准确度。本文的主要研究内容如下:（1）通过分析光伏电池的等效电路,在电脑仿真平台搭建并测试了单个组件模型的功率电流等输出情况,通过模型分析了光伏组件在光照不均和不同温度的情况下和正常情况下的输出特性,并指出其变化特征趋势。（2）总结了光伏组件常见的主要故障（开路、异常老化、遮挡阴影、短路）类型并对故障形成原因和表现特征进行了概述。搭建了 3x3的光伏阵列模型,并模拟了不同故障状态,得到不同故障条件状态下光伏阵列的输出特性曲线,分析列举出影响光伏阵列的主要参数,并以此作为故障诊断特征参数进行诊断。（3）针对传统概率神经网络有需要人为设定并不断尝试平滑因子的局限性,采用SCA算法优化PNN平滑因子搭建一种自适应的概率神经网络模型（SPNN）。再以此模型的基础上引入AdaBoost,将SPNN作为弱分类器,采用输出概率线性组合的方式得到分类结果,并和传统的BP算法进行了分析比较,ASPNN模型诊断精度有了较大的提高。验证了改进模型的有效性和高效性。
王湘[8]（2020）在《连发型无人机电磁弹射系统的设计与控制》文中进行了进一步梳理随着战争信息化、自动化水平的逐渐提升,无人机集群作为新作战形式必定会对未来战场产生深远的影响。为了满足集群作战条件下固定翼无人机快速连续地起飞的要求,需要对无人机快速、安全弹射进行研究。本文采用电磁弹射作为无人机的起飞方式,综合考虑机动性、隐蔽性、全程可控性、弹射周期以及发射成本等因素,设计了一种连发型无人机电磁弹射系统方案,并开展了相关技术研究,主要内容有:分析了连发型电磁弹射系统的性能指标及特点,设计了一种固定翼无人机车载连发型电磁弹射系统,确定了系统组成、功能及各模块的接口联系,讨论了相关问题,并提出解决方案。设计了连发型电磁弹射系统总体结构,主要包括电磁弹射器和机库的结构设计。设计选型了机库传动的机械结构,并搭建了连发型电磁弹射系统的三维模型。分析了连发型电磁弹射系统的需求,设计了机库在不同工作状态下的动作流程和诊断。基于可编程逻辑控制器（PLC）,利用PID调节控制机库驱动电机的转速,并编写调试了基于GX Works2的控制程序,实现对机库运动的控制及故障诊断。设计并仿真分析了蓄电池、超级电容和双向DC/DC变换器组成的混合储能系统。针对系统具有固定时序的连续脉冲工作特点,设计了以模糊控制为主的能源管理策略,通过合理分配各储能单元所需提供的功率,以及提出一种电路拓扑结构及控制策略,实现混合储能单元的充放电。综合以上的研究,本文设计建模了连发型电磁弹射系统,并研制了实验样机开展了相关的初步实验,通过仿真与实验相结合,验证了所设计系统方案的可行性,研究结果为推动发展固定翼无人机集群作战奠定了良好的基础。
崔艺梦[9]（2020）在《光伏阵列故障诊断方法研究》文中进行了进一步梳理未来世界的能源和电力结构势必将会成为高比例可再生能源结构,在高比例可再生能源结构中,太阳能的占比将达到较高的水平。光伏发电技术的不断发展,更使得太阳能资源的广泛使用成为必然趋势。但由于大量光伏电站的阵列部分都建立在环境较恶劣的室外,在运行过程中将不可避免的出现各种故障问题。因此,采用适当的故障诊断方法,能够准确快速的识别光伏阵列的故障并及时发出报警信号,成为保障光伏发电系统安全稳定运行的重要手段。本文主要针对光伏阵列的四种常见故障:短路、开路、局部阴影和老化故障进行详细的研究,并提出基于遗传算法优化BP神经网络的光伏阵列故障诊断方法。首先,本文对光伏发电系统的主要分类和光伏电池的工作原理进行了简要的说明,在Matlab/Simulink中建立光伏电池及光伏阵列仿真模型,并得出在标准状况下的输出特性曲线。详细分析光伏阵列的四种故障状态,分别建立这四种故障所对应的光伏阵列模型,进而得到各种故障状态下的阵列输出特性曲线,通过与正常情况下的输出进行对比确定各个故障所对应的变化明显的输出参数,并作为故障诊断模型的输入变量。其次,分别对BP神经网络和遗传算法的结构及工作原理进行详细的研究。针对BP神经网络算法在网络训练过程中易陷入局部最小值的问题,本文采用遗传算法对BP神经网络的权值和阈值进行优化。最后,本文依据BP神经网络和遗传算法的特点,分别对故障诊断模型的BP神经网络部分和遗传算法部分进行设计优化,得到完整的基于遗传算法优化BP神经网络的光伏阵列故障诊断模型。选择多组数据对模型进行训练,得到网络训练误差曲线,并对训练后的故障诊断模型进行测试,得到相应的故障诊断结果。通过与传统BP神经网络的网络训练误差曲线和测试结果相比较可以发现,经遗传算法优化的BP神经网络的收敛速度有所提高,对于本文研究的四种故障的诊断结果也更加的准确。因此,验证了本文采用的基于遗传算法优化BP神经网络的光伏阵列故障诊断方法,对光伏阵列故障的诊断效果具有改善作用,并提高了光伏阵列故障诊断的可靠性。
李春晓[10]（2019）在《电动汽车动力参数匹配及整车控制策略研究》文中指出伴随着现代社会经济的快速发展,资源消耗、环境污染问题愈发影响人们日常生活,“节能环保,绿色发展”的主题逐渐成为当今世界的共识。相比传统燃油汽车,清洁、安静、效率更高的电动汽车应运而生,成为可持续发展大背景下实现节能减排目标的关键途径之一。电动汽车集机械、电气、化学、磁等多学科工程技术于一身,驱动电机及其控制系统、动力电池及其管理系统、整车控制系统是电动汽车三大关键系统,其中整车控制系统作为电动汽车的“大脑”,核心部分的整车控制策略负责调控电机、电池及整车的其他模块协同运行,保证电动汽车安全、高效行驶。虽然目前电动汽车的各方面技术发展异常迅猛,但仍然存在续航不足等问题,通过对整车控制策略的研究,致力于提高电动汽车的动力性和经济性。主要研究内容分为以下几部分:（1）根据性能指标对电动汽车的电机、电池等部件及传动比进行参数匹配,并优化传动比,通过ADVISOR软件进行仿真验证是否达到性能指标。（2）对整车控制策略进行研究,包括驾驶意图识别模块、扭矩控制模块、能量回收模块等。在扭矩控制部分,将电动汽车驾驶模式划分为动力模式、一般模式、经济模式,提出基于支持向量机的驾驶意图识别方法,以加速踏板开度及其变化率为输入,对三种不同的扭矩控制驾驶模式进行识别,并使用差分进化方法改进灰狼优化算法对支持向量机参数寻优,进一步提高识别的准确率;在能量回收策略上,以复合电源为基础,研究了基于ECE制动法规、理想和实际的前后轮制动力分配曲线的控制策略,制定不同制动强度下的前后轮制动力分配策略;针对电动汽车部分常见故障,对其划分故障等级,设置不同的故障诊断处理策略;在保证安全运行条件下,设计开发整车上下电控制策略。（3）基于NI公司的PXI设备进行电动汽车整车控制策略的硬件在环试验,在上位机上实现整车控制策略和电动汽车整车模型对接,完成硬件在环试验,结果表明动力性、经济性有所提升。（4）基于MotoTron快速原型开发平台搭建整车控制策略,把整车控制策略编译后刷写进入整车控制系统测试台架,通过油门、制动踏板等实际输入进行试验,结果表明控制策略达到预期效果。
二、蓄电池常见的几种故障（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、蓄电池常见的几种故障（论文提纲范文）
（1）知识图谱驱动的发动机AR辅助维修技术研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 知识图谱国内外研究现状 |
| 1.2.2 AR技术国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 本章小结 |
| 第二章 知识图谱驱动的发动机AR辅助维修技术架构 |
| 2.1 发动机结构组成及维修难点分析 |
| 2.1.1 发动机构成及故障分析 |
| 2.1.2 发动机维修难点 |
| 2.2 融合知识图谱与AR技术的发动机辅助维修解决方案 |
| 2.2.1 基于知识图谱的资源整合和推送 |
| 2.2.2 基于AR的发动机辅助维修指导 |
| 2.3 发动机故障辅助维修关键技术架构 |
| 2.3.1 知识图谱驱动的发动机AR辅助维修技术架构 |
| 2.3.2 知识图谱构建技术 |
| 2.3.3 AR辅助维修技术 |
| 2.4 本章小结 |
| 第三章 发动机故障知识图谱构建及资源推送 |
| 3.1 知识图谱定义及架构 |
| 3.2 发动机维修过程中故障特征分析 |
| 3.3 发动机故障维修知识图谱的构建 |
| 3.3.1 发动机故障维修知识图谱的构建流程 |
| 3.3.2 发动机故障维修知识图谱模型 |
| 3.4 基于知识图谱的发动机故障检索 |
| 3.4.1 基于知识图谱子图匹配的故障检索流程 |
| 3.4.2 子图匹配 |
| 3.4.3 查询结果的确定 |
| 3.5 发动机维修工具匹配推送流程 |
| 3.5.1 维修工具知识图谱模式层本体构建 |
| 3.5.2 .维修工具与维修件本体间语义匹配 |
| 3.5.3 维修工具类型的选择 |
| 3.5.4 维修工具相应尺寸的确定 |
| 3.5.5 案例分析 |
| 3.6 本章小结 |
| 第四章 AR辅助维修过程中的关键技术研究 |
| 4.1 AR辅助维修过程实现 |
| 4.2 AR辅助维修三维跟踪注册技术 |
| 4.2.1 移动设施中三维注册方法流程 |
| 4.2.2 基于改进ORB检测的特征点匹配算法 |
| 4.2.3 跟踪定位算法 |
| 4.3 AR虚实融合显示技术 |
| 4.4 AR辅助维修交互技术 |
| 4.4.1 AR交互方式及应用 |
| 4.4.2 辅助维修中的AR交互技术 |
| 4.5 本章小结 |
| 第五章 发动机故障辅助维修系统实现 |
| 5.1 需求分析 |
| 5.1.1 功能性需求分析 |
| 5.1.2 其他需求分析 |
| 5.2 系统框架设计 |
| 5.3 发动机故障辅助维修系统开发工具和环境 |
| 5.4 发动机故障辅助维修系统实现 |
| 5.4.1 发动机故障辅助维修方案设计 |
| 5.4.2 发动机故障维修知识图谱构建及故障检索实现 |
| 5.4.3 发动机故障维修AR辅助实现 |
| 5.4.4 发动机故障辅助维修实现案例 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 不足与展望 |
| 致谢 |
| 参考文献 |
| 附录 攻读硕士期间发表的论文及参与的项目 |
（2）防爆无轨胶轮车故障诊断系统研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 故障诊断技术 |
| 1.2.1 国内外研究现状 |
| 1.2.2 发展概况 |
| 1.3 故障诊断方法分类 |
| 1.4 论文研究内容及结构安排 |
| 第二章 防爆无轨胶轮车故障分析 |
| 2.1 防爆无轨胶轮车特点 |
| 2.2 防爆无轨胶轮车的故障特点 |
| 2.3 无轨胶轮车常见故障分析 |
| 2.3.1 柴油机系统常见故障分析 |
| 2.3.2 底盘常见故障分析 |
| 2.3.3 电气系统常见故障分析 |
| 2.4 无轨胶轮车故障发生的原因分析 |
| 2.5 本章小结 |
| 第三章 故障树与专家系统在无轨胶轮车故障诊断中的应用研究 |
| 3.1 故障树分析法基本理论 |
| 3.2 故障树定性分析 |
| 3.3 故障树定量分析 |
| 3.4 底事件的模糊故障率分析 |
| 3.4.1 专家权重值的确定 |
| 3.4.2 底事件模糊故障率的形成 |
| 3.4.3 解模糊 |
| 3.5 无轨胶轮车常见故障的故障树分析 |
| 3.5.1 无轨胶轮车常见故障树的建立 |
| 3.5.2 无轨胶轮车故障树分析 |
| 3.6 专家系统分析 |
| 3.6.1 专家系统简介 |
| 3.6.2 专家系统的基本结构 |
| 3.6.3 专家系统推理机制 |
| 3.7 基于故障树的专家系统研究 |
| 3.8 本章小结 |
| 第四章 防爆无轨胶轮车故障诊断系统设计 |
| 4.1 专家系统知识库的设计 |
| 4.1.1 故障知识获取 |
| 4.1.2 知识表示 |
| 4.1.3 知识管理 |
| 4.2 专家系统推理机的设计 |
| 4.3 无轨胶轮车故障诊断流程 |
| 4.4 本章小结 |
| 第五章 防爆无轨胶轮车故障诊断系统实现 |
| 5.1 故障诊断系统整体设计 |
| 5.2 系统开发环境简介 |
| 5.3 数据库设计 |
| 5.4 故障诊断系统的实现 |
| 5.4.1 系统登录模块 |
| 5.4.2 系统主功能界面 |
| 5.4.3 系统故障诊断界面 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）柴油机常见故障及快速维修研究与应用（论文提纲范文）
| 0 引言 |
| 1 柴油机启动困难 |
| 1.1 柴油机自身故障导致难以启动 |
| 1.2 人为环境因素导致的柴油机难以启动 |
| 2 柴油机冒黑烟 |
| 3 柴油机自行熄火 |
| 4 柴油机水温过高 |
| 5 柴油机动力不足 |
（4）发动机不能启动故障分析教学案例（论文提纲范文）
| 0 引言 |
| 1 蓄电池电量不足导致发动机无法正常启动 |
| 2 启动系统故障导致的发动机无法正常启动 |
| 2.1 启动系统线路故障导致 |
| 2.2 起动机机械故障导致 |
| 3 发动机燃油供给系统故障 |
| 3.1 燃油供给系统电路或者机械故障导致 |
| 3.2 燃油供给系统管路泄漏或者堵塞导致 |
| 4 点火系统故障导致的发动机不能点火启动 |
| 5 主要传感器失效导致的启动困难 |
| 6 错误的驾驶习惯导致 |
（5）拖拉机蓄电池的常见故障分析与排除（论文提纲范文）
| 0 引言 |
| 1 常见故障 |
| 1.1 极板硫化 |
| 1.2 自行放电 |
| 1.3 极板活性物质脱落 |
| 1.4 电解液损耗过快 |
| 1.5 蓄电池不充电 |
| 1.6 蓄电池壳破裂或爆炸 |
| 2 蓄电池使用维护要点 |
（6）汽车电气设备故障的判断与排除（论文提纲范文）
| 0 引言 |
| 1 汽车电气系统的基本构成 |
| 2 造成汽车电气设备故障的影响因素 |
| 2.1 湿度以及温度 |
| 2.2 干扰 |
| 2.3 电压波动 |
| 3 汽车电气设备的常见故障以及排除 |
| 3.1 充电系统故障以及排除 |
| 3.2 空调系统故障排除 |
| 3.3 发电机故障以及排除 |
| 3.4 蓄电池故障以及排除 |
| 4 总结 |
（7）基于集成学习的光伏阵列故障诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 能源结构转型和环境保护 |
| 1.1.2 光伏发电行业现状 |
| 1.2 光伏故障诊断国内外研究现状 |
| 1.2.1 传统诊断法 |
| 1.2.2 数学模型算法 |
| 1.2.3 智能算法 |
| 1.3 本文主要研究内容和结构安排 |
| 第2章 光伏发电的相关原理与故障分析 |
| 2.1 光伏发电系统的结构 |
| 2.2 光伏发电基本理论 |
| 2.2.1 光伏电池发电原理 |
| 2.2.2 等效电路 |
| 2.3 光伏电池的外特性分析 |
| 2.4 光伏组件故障分析 |
| 2.5 本章小结 |
| 第3章 光伏阵列故障诊断方法研究 |
| 3.1 光伏阵列故障特性仿真分析 |
| 3.2 概率神经网络 |
| 3.2.1 概率神经网络相关理论 |
| 3.2.2 概率神经网络的结构 |
| 3.2.3 平滑因子σ |
| 3.3 基于PNN的光伏阵列故障诊断模型 |
| 3.4 本章小结 |
| 第4章 优化PNN网络方法研究 |
| 4.1 正弦余弦优化算法 |
| 4.2 AdaBoost集成学习算法 |
| 4.3 改进的概率神经网络 |
| 4.4 本章小结 |
| 第5章 基于ASPNN的光伏阵列故障诊断 |
| 5.1 基于ASPNN模型的故障诊断 |
| 5.1.1 实验数据 |
| 5.1.2 基于SPNN和ASPNN模型的结果分析 |
| 5.2 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
（8）连发型无人机电磁弹射系统的设计与控制（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 无人机集群作战研究现状 |
| 1.3 连发型无人机弹射器研究现状 |
| 1.3.1 电磁弹射技术研究现状 |
| 1.3.2 PLC及故障诊断技术研究现状 |
| 1.3.3 混合储能系统的研究现状 |
| 1.4 本文主要内容及安排 |
| 第二章 连发型无人机电磁弹射系统方案设计 |
| 2.1 连发型电磁弹射系统性能指标分析 |
| 2.1.1 性能指标及其分析计算 |
| 2.1.2 工作特性 |
| 2.2 方案设计 |
| 2.2.1 弹射电机 |
| 2.2.2 无人机机库 |
| 2.2.3 驱动器 |
| 2.2.4 储能设备 |
| 2.2.5 控制系统 |
| 2.3 控制系统与储能系统的设计 |
| 2.3.1 PLC控制系统的设计 |
| 2.3.2 混合储能系统的设计 |
| 2.4 本章小结 |
| 第三章 连发型无人机电磁弹射器结构设计 |
| 3.1 电磁弹射器结构设计 |
| 3.1.1 电机结构 |
| 3.1.2 关键尺寸 |
| 3.2 无人机机库结构设计 |
| 3.2.1 无人机机库方案设计 |
| 3.2.2 无人机主要参数和设计要求 |
| 3.2.3 无人机机库结构设计 |
| 3.3 本章小结 |
| 第四章 连发型无人机电磁弹射系统PLC控制程序设计与实现 |
| 4.1 连发型电磁弹射系统程序设计 |
| 4.1.1 工作方式的选择 |
| 4.1.2 自动方式下的运行控制 |
| 4.1.3 手动方式下的运行控制 |
| 4.1.4 机库的报警处理 |
| 4.2 无人机机库传动装置的速度控制 |
| 4.2.1 无人机机库运动的技术要求 |
| 4.2.2 伺服控制系统结构分析 |
| 4.2.3 控制模型 |
| 4.3 多传感器信息融合故障诊断 |
| 4.3.1 信度函数分配的获取 |
| 4.3.2 证据理论的组合规则 |
| 4.3.3 证据理论的决策规则 |
| 4.3.4 应用实例 |
| 4.4 本章小结 |
| 第五章 基于超级电容的混合储能系统及其能源管理策略的研究 |
| 5.1 混合储能系统工作原理 |
| 5.1.1 蓄电池与超级电容模型 |
| 5.1.2 储能系统工作原理 |
| 5.2 基于模糊控制的能源管理策略 |
| 5.2.1 能源管理策略工作原理 |
| 5.2.2 模糊控制器的设计 |
| 5.2.3 能量回馈制动 |
| 5.3 系统控制策略分析 |
| 5.3.1 超级电容充电 |
| 5.3.2 蓄电池放电 |
| 5.3.3 超级电容放电 |
| 5.4 仿真分析 |
| 5.5 本章小结 |
| 第六章 系统搭建与实验 |
| 6.1 连发型无人机电磁弹射系统实物构成 |
| 6.1.1 无人机机库 |
| 6.1.2 控制系统 |
| 6.2 实验结果及分析 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的学术成果 |
（9）光伏阵列故障诊断方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 光伏发电产业发展现状 |
| 1.2.2 光伏发电系统常见故障类型 |
| 1.2.3 光伏阵列故障诊断方法研究现状 |
| 1.3 本文主要工作 |
| 2 光伏发电系统分类与建模 |
| 2.1 光伏发电系统的类型 |
| 2.1.1 独立式光伏发电系统 |
| 2.1.2 并网式光伏发电系统 |
| 2.1.3 分布式光伏发电系统 |
| 2.2 太阳能光伏电池建模 |
| 2.2.1 光伏电池工作原理 |
| 2.2.2 光伏电池数学模型 |
| 2.2.3 光伏电池仿真模型及输出特性 |
| 2.2.4 光伏阵列仿真模型及输出特性 |
| 2.3 本章小结 |
| 3 典型故障下光伏阵列的输出特性 |
| 3.1 典型故障状态分析 |
| 3.1.1 短路故障 |
| 3.1.2 开路故障 |
| 3.1.3 局部阴影故障 |
| 3.1.4 异常老化故障 |
| 3.2 故障诊断模型输入变量 |
| 3.3 本章小结 |
| 4 优化BP神经网络 |
| 4.1 BP神经网络在故障诊断中的应用 |
| 4.2 BP神经网络结构及原理 |
| 4.2.1 神经网络 |
| 4.2.2 BP神经网络结构及原理 |
| 4.2.3 BP神经网络的优点和局限性 |
| 4.3 优化BP神经网络算法 |
| 4.3.1 BP神经网络的优化方法 |
| 4.3.2 遗传算法的原理 |
| 4.3.3 遗传算法优化BP神经网络 |
| 4.4 本章小结 |
| 5 基于遗传算法优化BP神经网络的光伏阵列故障诊断 |
| 5.1 故障诊断模型设计 |
| 5.1.1 BP神经网络设计 |
| 5.1.2 遗传算法设计 |
| 5.1.3 建立故障诊断模型 |
| 5.2 仿真结果及分析 |
| 5.2.1 最优个体适应度值 |
| 5.2.2 网络训练误差曲线 |
| 5.2.3 故障诊断结果与分析 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 攻读学位期间发表的学位论文及获奖情况 |
| 致谢 |
| 参考文献 |
（10）电动汽车动力参数匹配及整车控制策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 研究内容 |
| 第二章 电动汽车动力系统参数匹配与仿真 |
| 2.1 电动汽车结构形式 |
| 2.2 整车参数及性能指标 |
| 2.3 驱动电机匹配选型 |
| 2.4 动力电池组匹配选型 |
| 2.5 传动参数匹配 |
| 2.6 传动参数优化 |
| 2.7 仿真验证 |
| 2.7.1 ADVISOR简介 |
| 2.7.2 电动汽车模型 |
| 2.7.3 动力性仿真验证 |
| 2.7.4 经济性仿真验证 |
| 2.8 本章小结 |
| 第三章 电动汽车整车控制策略的研究 |
| 3.1 整车控制策略分析 |
| 3.2 驾驶意图识别 |
| 3.2.1 驾驶意图识别方法分析 |
| 3.2.2 支持向量机 |
| 3.2.3 驾驶意图识别 |
| 3.2.4 基于改进灰狼优化算法优化支持向量机 |
| 3.3 驱动控制策略 |
| 3.3.1 动力模式驱动控制 |
| 3.3.2 一般模式驱动控制 |
| 3.3.3 经济模式驱动控制 |
| 3.4 能量回收策略 |
| 3.4.1 复合电源 |
| 3.4.2 再生制动能量回收策略 |
| 3.5 故障诊断与处理 |
| 3.5.1 常见故障诊断 |
| 3.5.2 故障处理 |
| 3.6 上下电控制策略 |
| 3.6.1 上电控制策略 |
| 3.6.2 下电控制策略 |
| 3.7 控制策略仿真验证 |
| 3.8 本章小结 |
| 第四章 基于NI VeriStand平台的硬件在环试验研究 |
| 4.1 控制器硬件选型及管脚定义 |
| 4.2 硬件在环试验硬件配置 |
| 4.3 硬件在环试验软件配置 |
| 4.4 硬件在环试验 |
| 4.5 本章小结 |
| 第五章 基于MotoTron平台的整车控制系统台架试验 |
| 5.1 MotoTron快速原型开发平台 |
| 5.2 整车控制器分析 |
| 5.2.1 整车控制器功能需求分析 |
| 5.2.2 整车控制器硬件选型及软件底层模块 |
| 5.3 整车控制系统测试 |
| 5.3.1 上下电控制试验 |
| 5.3.2 驱动控制试验 |
| 5.3.3 能量回收试验 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
四、蓄电池常见的几种故障（论文参考文献）
- [1]知识图谱驱动的发动机AR辅助维修技术研究与实现[D]. 张晟博. 昆明理工大学, 2021(01)
- [2]防爆无轨胶轮车故障诊断系统研究[D]. 高宏鹏. 太原科技大学, 2021
- [3]柴油机常见故障及快速维修研究与应用[J]. 孔令建,江城城,卜德强,吕媛媛. 农机使用与维修, 2020(12)
- [4]发动机不能启动故障分析教学案例[J]. 戴佳荣,江城城,吕媛媛,王金生,张营. 农机使用与维修, 2020(12)
- [5]拖拉机蓄电池的常见故障分析与排除[J]. 吴怀侠. 农机使用与维修, 2020(10)
- [6]汽车电气设备故障的判断与排除[J]. 沙道英. 内燃机与配件, 2020(11)
- [7]基于集成学习的光伏阵列故障诊断研究[D]. 徐利鹏. 南昌大学, 2020(01)
- [8]连发型无人机电磁弹射系统的设计与控制[D]. 王湘. 国防科技大学, 2020(02)
- [9]光伏阵列故障诊断方法研究[D]. 崔艺梦. 华北水利水电大学, 2020(01)
- [10]电动汽车动力参数匹配及整车控制策略研究[D]. 李春晓. 广西大学, 2019(06)