基于贝叶斯网络的发动机故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·课题的研究背景和意义 | 第9-11页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题的研究意义 | 第10-11页 |
| ·故障诊断技术研究现状 | 第11-14页 |
| ·基于贝叶斯神经网络的故障诊断技术 | 第14-18页 |
| ·贝叶斯神经网络的国内外研究现状 | 第14-15页 |
| ·贝叶斯网络在故障诊断中的应用 | 第15-18页 |
| ·本文的主要内容 | 第18-19页 |
| 2 贝叶斯网络理论 | 第19-29页 |
| ·贝叶斯网络理论基础 | 第19-21页 |
| ·贝叶斯方法的基本观点 | 第19-20页 |
| ·贝叶斯网络用于因果推理和不确定知识表达 | 第20-21页 |
| ·贝叶斯概率基础 | 第21-23页 |
| ·概率论基础 | 第21-22页 |
| ·贝叶斯概率 | 第22-23页 |
| ·贝叶斯学习理论 | 第23-29页 |
| ·几种常用的先验分布选取方法 | 第24-27页 |
| ·计算学习机制 | 第27-29页 |
| 3 柴油机故障诊断原理 | 第29-34页 |
| ·柴油机的工作原理和结构特性 | 第29-31页 |
| ·柴油机的基本结构 | 第29-30页 |
| ·柴油机的工作原理 | 第30-31页 |
| ·柴油机常见故障模式和故障特征 | 第31-32页 |
| ·柴油机常见故障模式 | 第31页 |
| ·柴油机故障的特征 | 第31-32页 |
| ·柴油机振动诊断系统 | 第32-34页 |
| ·分析柴油机振动的激振源 | 第32-33页 |
| ·柴油机产生的振动信号具有的特性 | 第33-34页 |
| 4 柴油机故障诊断实验 | 第34-38页 |
| ·实验系统的工作原理 | 第34页 |
| ·实验系统测点的布置 | 第34-35页 |
| ·实验工况的设置 | 第35-36页 |
| ·振动信号采样频率的选择 | 第36页 |
| ·实验步骤 | 第36-38页 |
| 5 分析振动信号并提取特征值 | 第38-56页 |
| 5. 1 分析振动信号的时域、频域特性 | 第38-42页 |
| ·分析时域频域来进行特征值的提取 | 第42-47页 |
| ·基于小波包能量谱的特征值提取 | 第47-50页 |
| ·实验测点的对比优选 | 第50-55页 |
| ·用粗糙集理论简约特征值 | 第55-56页 |
| 6 贝叶斯理论在故障诊断中的应用 | 第56-69页 |
| ·贝叶斯问题求解 | 第56-57页 |
| ·朴素贝叶斯模型 | 第57-61页 |
| ·朴素贝叶斯学习模型 | 第57-58页 |
| ·加权朴素贝叶斯模型 | 第58-61页 |
| ·用于发动机故障诊断贝叶斯网络的建造 | 第61-64页 |
| ·贝叶斯网络的结构及建立方法 | 第61-62页 |
| ·贝叶斯网络的概率分布 | 第62-64页 |
| ·基于粒子群优化的加权朴素贝叶斯网络 | 第64-69页 |
| ·粒子群算法 | 第64-66页 |
| ·粒子群优化的应用 | 第66-68页 |
| ·基于粒子群优化的加权朴素贝叶斯算法流程 | 第68-69页 |
| 7 贝叶斯网络故障模式分类 | 第69-76页 |
| ·贝叶斯网络故障诊断的结果 | 第69-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的论文 | 第83-84页 |
| 致谢 | 第84页 |
