CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

A Neural Network Fault Diagnosis Method applied for Faults in Intake System of an SI Engine

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۷۱۷ | نظرات: ۰
سرفصل ارائه مقاله: System Dynamics Vibration and Control - Other
سال انتشار: ۱۳۸۷
کد COI مقاله: ISME16_911
زبان مقاله: انگلیسی
حجم فایل: ۳۱۹.۱۲ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله A Neural Network Fault Diagnosis Method applied for Faults in Intake System of an SI Engine

   Chini - Mechanical Engineering, K.N.Toosi University of Technology, Tehran, Iran
   Shamekhi - Mechanical Engineering, K.N.Toosi University of Technology, Tehran, Iran
   Behroozi - Iran University of Science and Technology, Tehran, Iran
   Mostofi - Mechanical Engineering, University of Mazandaran, Babol, Iran

چکیده مقاله:

One essential part of automated diagnosis systems for SI engines is due to elements of air path system. The diagnosis task is getting more challenging by including Exhaust Gas Recirculation (EGR) which its transient effects on temperament complexity of the air-path system are quite significant. The faults occur in this subsystem can result in deviation in air-fuel ratio, which causes increased emissions, misfire and especially loss of power and drivability problems. In this article, a model-based diagnosis system for airpath of an SI eng ine with EGR is constructed. In addition, a nonlinear four-state dynamic model of an SI engine with EGR is utilized, and then results are v alidated by a real engine. In the next step, diagnosis system is designed in the framework of Artificial Neural Network (ANN) classifier. Simulation results show that the constructed diagnosis system for six fault modes considering all three kinds of common faults including actuator, component, and sensor faults is applied successfully. In addition, in this article the Manifold Air Temperature (MAT) sensor fault which comparatively less has been evaluated than other elements are also taken into account.

کلیدواژه‌ها:

fault diagnosis, mean value modeling, neural network classifier and SI engine

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ISME16-ISME16_911.html
کد COI مقاله: ISME16_911

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Chini, ; Shamekhi; Behroozi & Mostofi, ۱۳۸۷, A Neural Network Fault Diagnosis Method applied for Faults in Intake System of an SI Engine, شانزدهمین کنفرانس سالانه مهندسی مکانیک, کرمان, دانشکده فنی مهندسی دانشگاه شهید باهنر, https://www.civilica.com/Paper-ISME16-ISME16_911.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Chini, ; Shamekhi; Behroozi & Mostofi, ۱۳۸۷)
برای بار دوم به بعد: (Chini; Shamekhi; Behroozi & Mostofi, ۱۳۸۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Beard, R., 1971, ،Failure Accommodat ion in Linear systems though ...
  • Clark, R. N., 1978, ،A Simplified Instrument Failure Detection Scheme?, ...
  • Patton, R. J. and Chen, J., 1991, ،#Robust Fault Detection ...
  • Nyberg, M. and L. Nielsen, 1997, ،Model based diagnosis for ...
  • Nyberg, M., 1999, Model Based Fault Diagnosis Methods, Theory, and ...
  • Mostofi, M., Shamekhi, A. H. and an Developing؛ , 2006 ...
  • Rumelhart, D. E. and McClelland, J. L., 1986, Parallel Distributed ...
  • Frank, P. M. and Seliger, B. K., 1997, 4Fuzzy Logic ...
  • Gen-Ting, Y. and Guang-Fu, M., 2004, Fault Diagnosis of Diesel ...
  • Shen, Y., Cao, L., Wang, Z., Zhou, S. and Gou, ...
  • Mostofi, M., Shamekhi, A. H. and Gorji- Bandpy, M., 2006, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۹۱۴۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.