中文摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
字母注释表 | 第12-13页 |
第一章 绪论 | 第13-20页 |
1.1 课题背景和意义 | 第13页 |
1.2 国内外研究现状 | 第13-19页 |
1.2.1 柴油机故障诊断常用方法 | 第14-17页 |
1.2.2 基于振动分析的柴油机故障诊断 | 第17-18页 |
1.2.3 基于润滑油分析的柴油机故障诊断 | 第18-19页 |
1.3 主要研究内容与组织结构 | 第19-20页 |
第二章 柴油机振动信号特征提取技术 | 第20-26页 |
2.1 柴油机振动信号的时域分析 | 第20页 |
2.2 EMD | 第20-21页 |
2.2.1 EMD技术的应用 | 第20页 |
2.2.2 EMD分解方法的基本原理 | 第20-21页 |
2.3 AR模型 | 第21-23页 |
2.3.1 AR模型的应用简介 | 第21-22页 |
2.3.2 AR模型的原理 | 第22页 |
2.3.3 AR模型的模型结构 | 第22页 |
2.3.4 AR模型的模型定阶 | 第22-23页 |
2.3.5 基于EMD和AR模型的特征提取方法 | 第23页 |
2.4 模糊熵 | 第23-25页 |
2.4.1 模糊熵应用简介 | 第23-24页 |
2.4.2 模糊熵方法 | 第24页 |
2.4.3 模糊熵的基本定义 | 第24-25页 |
2.5 本章小结 | 第25-26页 |
第三章 柴油机故障诊断模式识别技术 | 第26-31页 |
3.1 支持向量机 | 第26-28页 |
3.1.1 支持向量机的应用简介 | 第26页 |
3.1.2 支持向量机的原理 | 第26页 |
3.1.3 支持向量机的最优分类面 | 第26-28页 |
3.2 支持向量机的多分类 | 第28-29页 |
3.2.1 支持向量机的多分类 | 第28页 |
3.2.2 支持向量机的“一对多”分类算法 | 第28-29页 |
3.2.3 支持向量机的“一对一”分类算法 | 第29页 |
3.3 遗传算法优化支持向量机参数 | 第29-30页 |
3.3.1 遗传算法 | 第29页 |
3.3.2 遗传算法优化SVM参数的步骤 | 第29-30页 |
3.4 本章小结 | 第30-31页 |
第四章 基于振动分析的柴油机故障诊断 | 第31-47页 |
4.1 引言 | 第31页 |
4.2 车载发动机实验 | 第31-36页 |
4.2.1 设备选型 | 第31页 |
4.2.2 方案实施 | 第31-32页 |
4.2.3 发动机正常工作状态下的振动信号时域位移波形图 | 第32页 |
4.2.4 基于时域位移波形的故障诊断 | 第32-35页 |
4.2.5 基于时域振动加速度波形的故障诊断 | 第35-36页 |
4.3 柴油机气门故障台架实验 | 第36-38页 |
4.4 柴油机故障特征提取 | 第38-43页 |
4.5 柴油机故障模式识别 | 第43-46页 |
4.6 本章小结 | 第46-47页 |
第五章 润滑油分析法在柴油故障诊断中的应用 | 第47-53页 |
5.1 引言 | 第47页 |
5.2 内燃机润滑油 | 第47-48页 |
5.2.1 内燃机润滑油定义 | 第47页 |
5.2.2 内燃机润滑油的组成 | 第47-48页 |
5.2.3 内燃机润滑油的作用 | 第48页 |
5.3 红外光谱 | 第48-51页 |
5.3.1 红外光谱的发展 | 第48-49页 |
5.3.2 红外光谱技术的工作原理 | 第49页 |
5.3.3 红外光谱的技术特点 | 第49-50页 |
5.3.4 红外光谱在柴油机油液分析中的应用 | 第50-51页 |
5.4 介电常数常数在柴油机油液分析中的应用 | 第51-52页 |
5.4.1 介电常数定义 | 第51页 |
5.4.2 介电常数原理及应用 | 第51-52页 |
5.5 铁含量在柴油机故障诊断的应用 | 第52页 |
5.6 润滑油的使用管理在油液分析中的应用 | 第52页 |
5.6.1 油品添加管理 | 第52页 |
5.6.2 油品使用时间管理 | 第52页 |
5.7 本章小结 | 第52-53页 |
第六章 基于润滑油分析法的柴油机故障诊断 | 第53-61页 |
6.1 实验简介 | 第53-54页 |
6.1.1 实验油品及实验车辆 | 第53页 |
6.1.2 实验内容和目的 | 第53页 |
6.1.3 机油更换参考控制指标 | 第53-54页 |
6.2 实验结果分析 | 第54-58页 |
6.2.1 实验结果 | 第54-56页 |
6.2.2 结果分析 | 第56-58页 |
6.3 柴油和防冻液混入润滑油的模拟实验 | 第58-60页 |
6.4 本章小结 | 第60-61页 |
第七章 总结与展望 | 第61-62页 |
7.1 本文总结 | 第61页 |
7.2 展望 | 第61-62页 |
参考文献 | 第62-66页 |
发表论文和科研情况说明 | 第66-67页 |
致谢 | 第67-68页 |