摘要 | 第11-13页 |
ABSTRACT | 第13-14页 |
第一章 绪论 | 第15-28页 |
1.1 课题背景及意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-25页 |
1.2.1 加速度传感器 | 第16-19页 |
1.2.2 信号特征提取方法 | 第19-22页 |
1.2.3 故障识别模型构建方法 | 第22-25页 |
1.3 课题研究内容 | 第25-26页 |
1.4 主要创新点 | 第26-28页 |
第二章 光纤光栅加速度传感器检测机理 | 第28-42页 |
2.1 内燃机故障检测需求分析 | 第28-30页 |
2.2 光纤光栅传感理论 | 第30-32页 |
2.3 光纤光栅加速度传感器理论模型 | 第32-35页 |
2.4 简支梁FBG加速度传感器设计 | 第35-38页 |
2.4.1 工作原理 | 第35-36页 |
2.4.2 参数优化 | 第36-38页 |
2.5 柔性铰链FBG加速度传感器设计 | 第38-41页 |
2.5.1 工作原理 | 第38-40页 |
2.5.2 参数优化 | 第40-41页 |
2.6 小结 | 第41-42页 |
第三章 光纤光栅高频解调方法及系统 | 第42-58页 |
3.1 引言 | 第42页 |
3.2 光纤光栅高频解调系统 | 第42-49页 |
3.2.1 解调系统工作原理 | 第42-45页 |
3.2.2 解调系统关键技术 | 第45-49页 |
3.3 光纤光栅加速度检测系统性能测试 | 第49-57页 |
3.3.1 基于简支梁FBG传感器的加速度检测 | 第49-52页 |
3.3.2 基于柔性铰链FBG传感器的加速度检测 | 第52-57页 |
3.4 小结 | 第57-58页 |
第四章 基于多分类C-SVC的内燃机气门故障识别方法 | 第58-78页 |
4.1 引言 | 第58-59页 |
4.2 传感器优化布置 | 第59-61页 |
4.3 信号特征提取方法 | 第61-62页 |
4.3.1 基于小波分解与重构的信号处理方法 | 第61页 |
4.3.2 基于振动能量的特征提取方法 | 第61-62页 |
4.4 基于多分类C-SVC的故障识别方法 | 第62-67页 |
4.4.1 支持向量机基本原理 | 第62-63页 |
4.4.2 多分类识别方法 | 第63-66页 |
4.4.3 多分类C-SVC模型参数选择 | 第66-67页 |
4.5 故障识别实现方案 | 第67-69页 |
4.6 实验研究 | 第69-77页 |
4.6.1 实验系统搭建 | 第69-70页 |
4.6.2 实验结果及分析 | 第70-77页 |
4.7 小结 | 第77-78页 |
第五章 基于VMD算法和多分类v-SVC的内燃机喷油提前角故障识别方法 | 第78-92页 |
5.1 引言 | 第78页 |
5.2 基于VMD的信号特征提取方法 | 第78-81页 |
5.3 基于多分类v-SVC的故障识别方法 | 第81-82页 |
5.4 故障识别实现方案 | 第82-83页 |
5.5 实验研究 | 第83-91页 |
5.5.1 实验系统搭建 | 第83-84页 |
5.5.2 实验结果及分析 | 第84-91页 |
5.6 小结 | 第91-92页 |
第六章 基于扩散映射和多分类C-SVC内燃机复合故障识别方法 | 第92-111页 |
6.1 引言 | 第92-93页 |
6.2 基于流形学习的故障信号特征提取方法 | 第93-95页 |
6.2.1 VMD特征提取 | 第93-94页 |
6.2.2 扩散映射降维 | 第94-95页 |
6.3 基于多分类C-SVC算法的故障识别方法 | 第95-96页 |
6.4 故障识别实现方案 | 第96-98页 |
6.5 实验研究 | 第98-110页 |
6.5.1 实验系统搭建 | 第98-99页 |
6.5.2 实验结果及分析 | 第99-110页 |
6.6 小结 | 第110-111页 |
第七章 总结与展望 | 第111-113页 |
7.1 工作总结 | 第111-112页 |
7.2 工作展望 | 第112-113页 |
参考文献 | 第113-127页 |
致谢 | 第127-128页 |
攻读学位期间发表的学术论文和参加科研情况 | 第128-131页 |
附件 | 第131-146页 |
学位论文评阅及答辩情况表 | 第146页 |