| 摘要 | 第1-7页 |
| ABSTRACT | 第7-14页 |
| 第一章 绪论 | 第14-24页 |
| ·论文研究的背景和意义 | 第14-15页 |
| ·论文研究的背景 | 第14-15页 |
| ·论文研究的意义 | 第15页 |
| ·基于振动信号分析的柴油机故障诊断研究现状 | 第15-21页 |
| ·固体振动平稳信号分析方法 | 第16-17页 |
| ·固体振动非平稳信号分析方法 | 第17-19页 |
| ·基于图像处理的振动信号分析方法 | 第19页 |
| ·模式识别方法研究现状 | 第19-21页 |
| ·主要研究内容及论文逻辑结构 | 第21-24页 |
| ·主要研究内容 | 第21-22页 |
| ·论文逻辑结构 | 第22-24页 |
| 第二章 固体振动非平稳信号采集 | 第24-36页 |
| ·引言 | 第24页 |
| ·柴油发动机常见机械故障 | 第24-25页 |
| ·固体振动传递理论 | 第25-27页 |
| ·柴油机非平稳振动信号采集方案 | 第27-32页 |
| ·故障的设置 | 第27-28页 |
| ·振动传感器测点位置的选择 | 第28-30页 |
| ·柴油机转速的选择 | 第30-31页 |
| ·采样频率和测试温度的选择 | 第31页 |
| ·柴油机非平稳振动信号采集系统 | 第31-32页 |
| ·柴油机非稳态振动信号的重复性分析 | 第32-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于EMD-Gabor变换的固体振动非稳态振动信号分析 | 第36-52页 |
| ·引言 | 第36-37页 |
| ·经验模态分解(EMD)方法的基本理论 | 第37-40页 |
| ·EMD分解原理 | 第37页 |
| ·基于互信息理论筛选IMF分量 | 第37-38页 |
| ·EMD分解仿真实例 | 第38-40页 |
| ·Gabor变换基本原理 | 第40-41页 |
| ·基于EMD-Gabor变换柴油机非稳态振动信号分析 | 第41-50页 |
| ·基于EMD-Gabor变换柴油机故障特征提取算法 | 第41页 |
| ·基于EMD-Gabor变换柴油机连杆轴承故障振动信号分析 | 第41-46页 |
| ·应用实例 | 第41-45页 |
| ·不同触发转速、不同测试位置的EMD-Gabor变换信号分析 | 第45-46页 |
| ·基于EMD-Gabor变换柴油机气门故障振动信号分析 | 第46-49页 |
| ·基于EMD-Gabor变换柴油机活塞故障振动信号分析 | 第49页 |
| ·基于EMD-Gabor变换柴油机活塞销故障振动信号分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第四章 柴油机非稳态振动信号的角域四阶累积量切片谱分析 | 第52-68页 |
| ·引言 | 第52页 |
| ·角域重采样 | 第52-55页 |
| ·阶比跟踪技术 | 第52-53页 |
| ·阶比采样定理 | 第53-54页 |
| ·阶比分析重插值技术 | 第54-55页 |
| ·高阶统计量 | 第55-59页 |
| ·高阶累积量和高阶谱 | 第55-56页 |
| ·高阶矩和高阶累积量定义 | 第55-56页 |
| ·高阶谱定义 | 第56页 |
| ·高阶累积量性质 | 第56-57页 |
| ·四阶累积量及其切片谱 | 第57-58页 |
| ·角域四阶累积量切片谱 | 第58-59页 |
| ·基于角域四阶累积量切片谱的柴油机振动信号分析处理 | 第59-66页 |
| ·基于角域四阶累积量切片谱的柴油机故障特征提取算法 | 第59页 |
| ·基于角域四阶累积量切片谱的柴油机连杆轴承故障振动信号分析 | 第59-64页 |
| ·角域四阶累积量切片谱有效性检验 | 第60-62页 |
| ·不同变转速过程的角域四阶累积量切片谱分析 | 第62-63页 |
| ·不同变转速过程、不同测试位置的角域四阶累积量切片谱分析 | 第63-64页 |
| ·基于角域四阶累积量切片谱的柴油机气门故障振动信号分析 | 第64页 |
| ·基于角域四阶累积量切片谱的柴油机活塞故障振动信号分析 | 第64-65页 |
| ·基于角域四阶累积量切片谱的柴油机活塞销故障振动信号分析 | 第65-66页 |
| ·本章小结 | 第66-68页 |
| 第五章 基于高阶累积量图像特征的柴油机故障特征提取 | 第68-78页 |
| ·引言 | 第68页 |
| ·高阶累积量与灰度共生矩阵原理 | 第68-71页 |
| ·三阶累积量 | 第68-69页 |
| ·灰度共生矩阵 | 第69-71页 |
| ·灰度图像生成方法 | 第69-70页 |
| ·灰度共生矩阵 | 第70页 |
| ·纹理特征参数 | 第70-71页 |
| ·基于高阶累积量图像纹理特征的柴油机故障特征提取 | 第71-77页 |
| ·基于高阶累积量图像纹理特征的柴油机故障特征提取算法 | 第71-72页 |
| ·应用基于高阶累积量图像纹理特征的方法提取柴油机故障特征 | 第72-74页 |
| ·有效性检验 | 第74-77页 |
| ·本章小结 | 第77-78页 |
| 第六章 基于时频图像极坐标增强的柴油机故障特征提取 | 第78-86页 |
| ·引言 | 第78页 |
| ·Gabor时频分布与极坐标增强表示 | 第78-80页 |
| ·Gabor时频分布的周期特征增强表示 | 第78-79页 |
| ·仿真分析 | 第79-80页 |
| ·基于时频图像极坐标增强的柴油机故障特征提取 | 第80-84页 |
| ·基于时频图像极坐标增强的柴油机故障特征提取算法 | 第80-81页 |
| ·应用基于时频图像极坐标增强的方法提取柴油机故障特征 | 第81-83页 |
| ·有效性检验 | 第83-84页 |
| ·本章小结 | 第84-86页 |
| 第七章 基于支持向量机的柴油机故障模式识别及系统实现 | 第86-106页 |
| ·引言 | 第86页 |
| ·基于变精度粗糙集的柴油机故障特征选择 | 第86-94页 |
| ·变精度粗糙集基本理论 | 第86-87页 |
| ·基于变精度粗糙集的故障特征选择 | 第87-94页 |
| ·决策表的生成 | 第88-89页 |
| ·属性对决策近似精度的计算 | 第89-91页 |
| ·故障特征选择 | 第91-94页 |
| ·支持向量机基本原理 | 第94-97页 |
| ·线性不可分SVM | 第94-96页 |
| ·多分类SVM | 第96-97页 |
| ·基于支持向量机的柴油机故障诊断 | 第97-100页 |
| ·基于SVM故障诊断算法 | 第97页 |
| ·基于SVM的柴油机故障诊断 | 第97-100页 |
| ·柴油机机械故障诊断系统的实现 | 第100-104页 |
| ·系统的硬件构成 | 第101-102页 |
| ·系统的软件结构 | 第102-103页 |
| ·应用举例 | 第103-104页 |
| ·本章小结 | 第104-106页 |
| 第八章 结论 | 第106-110页 |
| ·论文主要结论 | 第106-107页 |
| ·创新点 | 第107-108页 |
| ·展望 | 第108-110页 |
| 参考文献 | 第110-120页 |
| 攻读学位期间所取得的相关科研成果 | 第120-122页 |
| 致谢 | 第122页 |
