Diagnostics of mobile work machines

دسته بندی: حمل و نقل: اتومبیل ، موتورسیکلت
ویرایش:  
نویسندگان: Alanen J.  
سری:  
 
ناشر:  
سال نشر:  
تعداد صفحات: 126 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت 

قیمت کتاب (تومان) : 37,000

در این یادداشت پژوهشی نگاهی داریم به حوزه دستگاه کار سیار تشخیص. دیدگاه نویسندگان توسط پروژه تحقیقاتی
(KODIE) پشت این تحقیق محدود شده است. با این حال، ما سعی کرده‌ایم دستورالعمل‌های عمومی را برای سازندگان ماشین ارائه کنیم تا استراتژی تشخیص خود را تنظیم کنند. بلوک‌های ساختمانی، مانند SAE J1939/73، ISO 15765 و ODX، از صنعت خودروسازی
برای جلوگیری از اختراع مجدد پروتکل‌ها و روش‌های تشخیصی توسط تولیدکنندگان ماشین به نمایش گذاشته می‌شوند. علاوه بر این، نمونه‌هایی از معماری‌های تشخیصی با OSA-CBM در میان سایر موارد ارائه شده است. برای استفاده حداکثری از داده های تشخیصی،
مجموعه گسترده ای از روش های تجزیه و تحلیل داده ها معرفی شده است. و به منظور کمک به
مهندسان در طراحی ویژگی عیب یابی برای سیستم حسگر، نکات و مثال هایی در مورد چگونگی ایجاد حالت های خطای سنسورها ارائه شده است. ; دانش خوب
در مورد حالت های خطای حسگر و محرک پیش نیاز
تشخیص جامع عیب است.

In this research note, we take a look at the field of mobile work machine diagnostics. The perspective by the authors is limited by the research project
(KODIE) behind this research. However, we have tried to provide generic guidelines for machine builders to set up their diagnostics strategy. Building
blocks, like SAE J1939/73, ISO 15765 and ODX, from automotive industry are
exhibited to prevent machine manufactures from reinventing diagnostics
protocols and practices. Furthermore, examples of diagnostics architectures are
presented, with OSA-CBM among others. To make the most of diagnostics data,
an extensive set of data analysis methods are introduced. And in order to help
engineers to design diagnostics feature for the sensor system, hints and examples are supplied as to how to establish the fault modes of sensors; a good knowledge
about the (relevant) sensor and actuator fault modes is a prerequisite for
comprehensive fault detection.