| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-20页 |
| ·课题研究的背景及意义 | 第12-14页 |
| ·本课题的研究背景 | 第12-13页 |
| ·开展柴油机故障诊断的研究意义 | 第13-14页 |
| ·柴油机故障诊断的国内外研究现状及发展趋势 | 第14-16页 |
| ·柴油机故障诊断的研究现状 | 第14-15页 |
| ·柴油机故障诊断技术的发展趋势 | 第15-16页 |
| ·柴油机故障诊断的主要研究内容与现阶段存在的问题 | 第16-17页 |
| ·柴油机故障诊断技术的主要研究内容 | 第16-17页 |
| ·现阶段柴油机故障诊断技术存在的主要问题 | 第17页 |
| ·本论文的研究内容 | 第17-20页 |
| 第二章 柴油机典型故障的机理与振动诊断方法的研究 | 第20-31页 |
| ·柴油发动机的工作原理与工作过程 | 第20-23页 |
| ·柴油发动机的基本组成结构 | 第20-22页 |
| ·柴油发动机的工作原理与特性 | 第22-23页 |
| ·常见的柴油机故障以及诊断方法 | 第23-24页 |
| ·柴油机故障的分类与表现形式 | 第23页 |
| ·柴油机故障诊断的主要方法 | 第23-24页 |
| ·基于振动信号处理的柴油机故障诊断方法 | 第24-26页 |
| ·柴油机振动的主要激振源与传播途径 | 第24-25页 |
| ·基于振动信号处理的故障诊断方法 | 第25-26页 |
| ·柴油机振动信号特征值提取方法的确定 | 第26-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 粗糙集理论与核主元分析法 | 第31-46页 |
| ·粗糙集理论的基本概念 | 第31-38页 |
| ·粗糙集理论中知识表示的相关概念 | 第31-34页 |
| ·基于信息系统决策表的粗糙集知识约简 | 第34-35页 |
| ·本文采用的粗糙集决策表离散化方法的提出 | 第35-36页 |
| ·基于 Skowron 差别矩阵的决策表属性约简算法 | 第36-38页 |
| ·核主元分析法（KPCA） | 第38-45页 |
| ·核主元分析法的提出背景及原理 | 第38-39页 |
| ·基于核主元分析法的特征提取 | 第39-42页 |
| ·基于核主元分析的故障诊断方法 | 第42-43页 |
| ·核主元分析法的建模与步骤 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于粗糙集与 KPCA 的柴油机故障特征提取与监测 | 第46-63页 |
| ·实验方案与步骤 | 第46-49页 |
| ·柴油机故障诊断实验平台的设计 | 第46-47页 |
| ·柴油机工况分类与测点选取 | 第47-49页 |
| ·采样频率与转速的设置 | 第49页 |
| ·实验步骤 | 第49页 |
| ·振动信号的特征值提取与优化 | 第49-62页 |
| ·柴油机原始数据特征值的构建 | 第50-52页 |
| ·粗糙集信息系统决策表的建立与属性约简 | 第52-56页 |
| ·基于核主元分析的故障检测 | 第56-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于支持向量机的柴油机故障模式识别 | 第63-75页 |
| ·支持向量机（SVM）原理及应用 | 第63-68页 |
| ·最优分类平面与线性可分 SVM | 第64-66页 |
| ·线性不可分 SVM | 第66-68页 |
| ·基于多分类支持向量机的故障诊断方法 | 第68-69页 |
| ·基于 KPCA 与 SVM 相结合的故障分类方法 | 第69-74页 |
| ·故障分类方法的提出 | 第69-70页 |
| ·柴油机故障分类的具体实现 | 第70-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 攻读硕士学位期间发表的论文 | 第81-82页 |
| 致谢 | 第82-83页 |
