是什么故障码_教你解决行驶中故障灯亮,限速1500转

陕汽德龙F3000重卡,配潍柴WP10.336E40发动机,EDC17CV44的ECU,CPN2.2油泵,油轨上有限压阀。行驶中故障灯点亮,限速1500,读取故障码如下:

P0704离合器状态信号不可信

P0501车速信号高于门槛值

P0193轨压传感器电压高于上限

P100E共轨泄压阀故障

5c1af9f957de7f3264a13dfd2d94bc58.png

(离合器和车速故障在此不做讨论),行驶中轨压传感器的故障可以清除,熄火后钥匙再上电不打车,故障码可以清除,打车后故障码(轨压传感器故障和泄压阀故障)再现。

如报出轨压传感器的相关故障,ECU就无法监测到实际轨压,不同的发动机控制策略不一样。对于带有泄压阀的发动机,会控制系统冲开泄压阀,轨压保持在750bar左右,轨压控制进入开环控制,发动机进入跛行回家模式,同理计量阀的相关故障也会导致进入跛行回家模式。

对于没有泄压阀的发动机,报出轨压传感器以及计量单元相关故障,会导致停机或者无法着车。报出这个故障,无非就是轨压传感器,线束以及端子接触,或者ECU相关故障。ECU上轨压传感器针脚的输出电压分别是:供电电压5V、信号电压5V、接地电压0V:

接上轨压传感器,零轨压时轨压信号电压约0.5V左右,750bar轨压时信号电压约2.2V左右:

4137170754a22c00357ef66c7f0eade5.png

1) 报出该故障后油轨限压阀会打开,着车过程中,轨压750bar,测量轨压传感器3根线对地电压:供电电压是5V,信号电压2.16V,接地电压0.03V,电压正常,清除故障码,轨压传感器的故障可以清除;

2) 熄火后,钥匙上电不打车,测量轨压传感器3根线对地电压:供电电压是5V,信号电压0.6V,接地电压0.03V,电压正常;尝试清除故障码,轨压传感器的故障 和泄压阀打开的故障可以清除;

3) 故障码清除后,再打车,故障灯又点亮,读取故障码,故障依旧;

4) 检查轨压传感器、ECU以及对应线束,不存在端子磨损、退针、腐蚀、接触不良,线束开路、虚接等现象;

5) 根据以上现象,不打车时没有故障。车起动后报出故障,且轨压传感器的故障在车子起来后可以清除。那么可以肯定轨压传感器的信号电压,只是在打车的某一瞬间超过了4.75V,其余情况正常。

这种情况最好用示波器捕捉,由于该泵友只带万用表,就先用万用表测量,将万用表红表笔接到轨压传感器的信号线上,黑表笔接地,然后打车。发现在打车的瞬间,信号电压达到4.88V。

6) 排除线束相关,故障点就定位在轨压传感器或者ECU上,可能是打车瞬间某一个工作异常造成的。由于暂时没有轨压传感器,没能更换传感器试车,继续依靠万用表进行排查。继续使用同样的方法把万用表接到轨压传感器的供电线和接地线上试车,没发现异常;

7)剪断轨压传感器的信号线束,接到万用表的红表笔,试车,某一瞬间信号电压超过4.88V,可确认是轨压传感器的故障造成的;

8)更换新的轨压传感器,故障解除。

传感器信号超限故障不神秘,只要我们弄清楚它是什么,位置在哪儿,可能原因,什么引起的,加上扎实的理论知识和熟练的工具使用,和传感器信号超限故障说再见吧。

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
【4层】3100平米综合办公楼毕业设计(含计算书、建筑结构图) 、1资源项目源均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代。 1、资源项目源均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代。 、1资源项目源均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值