| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 发动机表面振动信号诊断技术的研究现状 | 第9-11页 |
| 1.3 研究的主要内容 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 发动机结构及振动特性分析 | 第12-17页 |
| 2.1 东安 462 发动机的基本结构 | 第12页 |
| 2.2 发动机振动激励源 | 第12-16页 |
| 2.2.1 燃烧激励 | 第13页 |
| 2.2.2 惯性力激励 | 第13-15页 |
| 2.2.3 发动机进、排气门开闭所产生的激励 | 第15-16页 |
| 2.3 发动机气缸体振动信号特性分析 | 第16页 |
| 2.4 本章小结 | 第16-17页 |
| 第三章 小波分析、神经网络在故障诊断中的研究应用 | 第17-26页 |
| 3.1 小波分析理论 | 第17-21页 |
| 3.1.1 小波变换基本理论 | 第17-19页 |
| 3.1.2 小波包基本理论 | 第19-20页 |
| 3.1.3 小波包基函数的选择及特征向量提取 | 第20-21页 |
| 3.2 BP 神经网络与 Elman 神经网络基本理论 | 第21-25页 |
| 3.2.1 BP 神经网络及其结构 | 第21-22页 |
| 3.2.2 BP 网络的训练及算法 | 第22-23页 |
| 3.2.3 Elman 人工神经网络的结构及算法 | 第23-25页 |
| 3.3 本章小结 | 第25-26页 |
| 第四章 试验系统 | 第26-34页 |
| 4.1 发动机故障诊断系统 | 第26-30页 |
| 4.1.1 振动信号产生系统 | 第26-29页 |
| 4.1.2 振动信号采集系统 | 第29-30页 |
| 4.1.3 振动信号分析系统 | 第30页 |
| 4.2 实验步骤 | 第30-32页 |
| 4.2.1 实验参数设置 | 第30-31页 |
| 4.2.2 实验中测点确定及注意事项 | 第31-32页 |
| 4.3 实验方案 | 第32-33页 |
| 4.4 本章小结 | 第33-34页 |
| 第五章 神经网络对缸壁间隙振动信号的诊断识别 | 第34-50页 |
| 5.1 缸壁间隙振动信号分析 | 第34-38页 |
| 5.1.1 振动信号时域频域分析 | 第34-36页 |
| 5.1.2 振动信号功率谱分析 | 第36-38页 |
| 5.2 神经网络建立及对缸壁间隙的识别诊断 | 第38-49页 |
| 5.2.1 神经网络的建立 | 第38-41页 |
| 5.2.2 BP 神经网络 Elman 神经网络与对发动机缸壁间隙的诊断 | 第41-42页 |
| 5.2.3 基于 Elman 神经网络算法对发动机缸壁间隙的诊断 | 第42-49页 |
| 5.3 本章小结 | 第49-50页 |
| 结论与展望 | 第50-51页 |
| 结论 | 第50页 |
| 问题 | 第50页 |
| 展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 在读期间取得的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
