首页期刊导航|车用发动机
期刊信息/Journal information
车用发动机
车用发动机

段金栋

双月刊

1001-2222

cyfdj@163.com

022-58707822

300000

天津市北辰区永进道96号中国北方发动机研究所《车用发动机》编辑部　

车用发动机/Journal Vehicle Engine北大核心CSTPCD
查看更多>>《车用发动机》(双月刊)，1978年创刊，是由中国北方发动机研究所主办的技术刊物，为全国中文核心期刊，中国科技核心期刊，中国核心期刊(遴选)数据库、中国期刊全文数据库、万方数据—数字化期刊群和中国科技期刊数据库收录期刊，中国科学引文数据库和中国学术期刊综合评价数据库来源期刊，山西省一级期刊。《车用发动机》辟有综合评述、设计计算、性能研究、测试与诊断、制造技术和信息等栏目。主要面向科研院所和企事业单位的科研和工程技术人员、大专院校师生、相关行业的管理人员等。《车用发动机》为国际标准16K, 96页，期定价10.00元，年定价60元。中国标准连续出版物号CN 14－1141/TH，国际标准连续出版物号ISSN 1001－2222，邮发代号22－53。
正式出版
收录年代

    基于声发射的缸套珩磨网纹磨损深度检测

    许乃山王北军杨晓帆尤建国...
    79-84,92页
    查看更多>>摘要：珩磨网纹对维持活塞-缸套间润滑状态至关重要,磨损造成的网纹深度变浅会引起润滑恶化并加剧摩擦磨损,甚至造成拉缸等重大机械事故.提出一种基于声发射的缸套珩磨网纹磨损深度检测方法,从声发射信号中识别提取了网纹深度有关特征变量,通过构建卷积神经网络模型建立了声发射特征信号与网纹深度的映射关系.基于长行程往复式摩擦试验机,对不同网纹简约谷深的缸套试样在变转速、变载荷工况下实测的声发射信号进行采集分析,发现网纹简约谷深与声发射信号低频和高频段存在较强相关性.基于所建模型对早期缸套网纹磨损进行了检测评估,结果表明:珩磨网纹深度识别平均准确率达94％,证实了基于声发射技术进行缸套网纹磨损深度非介入式检测的可行性.

    气缸套珩磨网纹声发射磨损检测

      原文链接:
    • 万方数据
    • 维普

    基于1DCNN-GWO-SVM的柴油机喷油系统故障诊断方法研究

    冯海波毛玉欣孔祥鑫张探军...
    85-92页
    查看更多>>摘要：准确、有效的故障诊断是柴油机安全可靠运行的重要保障.基于热工参数诊断的方法存在测点多、专业性强等问题,传统机器学习结合振动信号诊断方法存在人为影响因素过高、不确定性大等问题,因此提出了一种基于1DCNN-GWO-SVM的柴油机喷油系统故障诊断方法.首先利用一维卷积神经网络(one-dimensional convolu-tional neural network,1DCNN)对时域下的柴油机振动加速度信号进行自学习特征提取,然后利用提取到的特征向量训练支持向量机(support vector machine,SVM)分类模型,并利用灰狼优化算法(grey wolf optimization,GWO)对SVM的C,g等超参数进行寻优,以此来实现对柴油机的"端对端"故障诊断.在实例验证中,1DCNN-GWO-SVM在测试集上能达到99.10％的诊断准确率,优于传统的机器学习故障诊断方法,并且在信噪比为分别10 dB,20 dB,30 dB的干扰环境下,依然能保持90％以上的诊断准确率.结果表明:1DCNN-GWO-SVM是一种预测精度高、泛化能力强、抗干扰能力强的柴油机"端对端"喷油系统故障诊断方法,具有实际工程应用价值.

    卷积神经网络支持向量机灰狼优化算法柴油机故障诊断

      原文链接:
    • 万方数据