| 提要 | 第1-7页 |
| 第一章 绪论 | 第7-17页 |
| ·研究背景及意义 | 第7-9页 |
| ·声学诊断技术 | 第7-8页 |
| ·基于异响的发动机故障诊断的意义 | 第8-9页 |
| ·混沌信号处理发展及研究现状 | 第9-14页 |
| ·混沌学发展概况 | 第9-10页 |
| ·混沌特性分析方法 | 第10-12页 |
| ·混沌信号处理方法 | 第12-14页 |
| ·本文研究问题描述 | 第14-15页 |
| ·本文主要研究内容 | 第15-17页 |
| 第二章 发动机工作声响信号的混沌特性分析 | 第17-29页 |
| ·引言 | 第17页 |
| ·重构相空间 | 第17-19页 |
| ·特征量的选择 | 第19-22页 |
| ·延迟时间计算方法 | 第19-20页 |
| ·关联维数计算方法 | 第20-21页 |
| ·嵌入维数计算方法 | 第21-22页 |
| ·最大Lyapunov 指数计算方法 | 第22-24页 |
| ·仿真研究及数值计算 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于RBF 神经网络的发动机工作噪声建模及异响提取 | 第29-46页 |
| ·引言 | 第29-30页 |
| ·RBF 理论基础 | 第30-37页 |
| ·RBF 网络的映射关系 | 第30-31页 |
| ·RBF 网络的映射机理 | 第31页 |
| ·RBF 网络的训练算法 | 第31-37页 |
| ·混沌与人工神经网络结合预测模型 | 第37-39页 |
| ·传统人工神经网络预测模型的建立 | 第37页 |
| ·混沌与人工神经网络结合预测模型 | 第37-39页 |
| ·预测模型的结构与训练 | 第39页 |
| ·发动机异响信号的提取 | 第39-40页 |
| ·仿真研究 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于局部线性嵌入的发动机工作噪声建模及异响提取 | 第46-60页 |
| ·引言 | 第46-47页 |
| ·流形学习的分类及主要算法 | 第47-50页 |
| ·流形学习的分类 | 第47-48页 |
| ·流形学习的主要算法 | 第48-50页 |
| ·局部线性嵌入算法 | 第50-54页 |
| ·自适应去噪算法 | 第54-55页 |
| ·仿真研究 | 第55-58页 |
| ·基于经典Duffing 信号为背景信号的仿真试验 | 第55-56页 |
| ·基于发动机信号为背景信号的仿真试验 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 第五章 全文总结 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 摘要 | 第65-67页 |
| ABSTRACT | 第67-70页 |
| 致谢 | 第70页 |
