| 摘要 | 第1-4页 |
| ABSTRACT | 第4-10页 |
| 第一章 绪论 | 第10-22页 |
| ·概述 | 第10-12页 |
| ·论文研究的背景 | 第10-11页 |
| ·论文研究的意义 | 第11-12页 |
| ·国内外研究现状 | 第12-20页 |
| ·信号处理技术在柴油机故障诊断中的应用研究现状 | 第13-17页 |
| ·模式识别技术在柴油机故障诊断中的应用研究现状 | 第17-19页 |
| ·信息融合技术在柴油机故障诊断中的应用研究现状 | 第19-20页 |
| ·论文主要工作及论文结构 | 第20-22页 |
| 第二章 柴油机非稳态振动信号采集与信号重复性分析 | 第22-36页 |
| ·引言 | 第22页 |
| ·柴油发动机故障机理分析 | 第22-28页 |
| ·柴油发动机基本结构 | 第22-23页 |
| ·振动激励源分析 | 第23-25页 |
| ·柴油发动机常见故障 | 第25-26页 |
| ·曲轴轴承、连杆轴承故障机理 | 第26-28页 |
| ·非稳态振动信号的采集 | 第28-31页 |
| ·故障试验内容 | 第28-29页 |
| ·测试位置的选择 | 第29-30页 |
| ·测试转速的选择 | 第30页 |
| ·定转速触发非稳态信号采集装置设计 | 第30-31页 |
| ·定转速非稳态信号采集的重复性测试 | 第31-35页 |
| ·非稳态信号采集试验 | 第31-33页 |
| ·误差分析 | 第33-35页 |
| ·试验结果分析 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第三章 基于小波变换和分形理论的非稳态振动信号分析 | 第36-54页 |
| ·引言 | 第36页 |
| ·小波变换理论 | 第36-38页 |
| ·小波变换基本原理 | 第36-38页 |
| ·小波包分解与重构算法 | 第38页 |
| ·基于小波包尺度能量谱的非稳态振动信号分析 | 第38-46页 |
| ·小波包尺度能量谱的算法实现 | 第39-41页 |
| ·非稳态振动信号小波包尺度能量谱分析 | 第41-46页 |
| ·基于小波分形的非稳态振动信号分析 | 第46-52页 |
| ·分形基本理论 | 第46-48页 |
| ·分形维数的仿真计算 | 第48-49页 |
| ·非稳态振动信号小波分形分析 | 第49-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于双谱和盲源分离的非稳态振动信号分析 | 第54-71页 |
| ·引言 | 第54页 |
| ·双谱基本理论 | 第54-56页 |
| ·高阶累积量 | 第54-55页 |
| ·基于非参数法的双谱估计 | 第55-56页 |
| ·盲源分离原理及算法 | 第56-59页 |
| ·盲源分离简介 | 第56-57页 |
| ·盲源分离的问题描述 | 第57页 |
| ·基于非线性主分量分析的盲源分离算法 | 第57-59页 |
| ·柴油机非稳态振动信号的双谱分析 | 第59-64页 |
| ·非稳态振动信号的双谱分析 | 第59-60页 |
| ·基于双谱的特征面搜索方法 | 第60-62页 |
| ·结果分析 | 第62-64页 |
| ·基于盲源分离和双谱的柴油机非稳态振动信号分析 | 第64-70页 |
| ·非稳态振动信号的盲源-双谱分析 | 第64-67页 |
| ·结果分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 非稳态振动信号的EMD-AR 谱分析 | 第71-91页 |
| ·引言 | 第71页 |
| ·Hilbert-Huang 变换理论 | 第71-77页 |
| ·EMD 分解原理 | 第71-73页 |
| ·Hilbert 谱与Hilbert 边际谱 | 第73-74页 |
| ·Hilbert-Huang 变换仿真实例 | 第74-77页 |
| ·非稳态振动信号的HHT 谱分析 | 第77页 |
| ·EMD-AR 谱方法 | 第77-82页 |
| ·Hilbert 分离算法的局限性 | 第77-79页 |
| ·EMD-AR 谱思想的提出 | 第79-80页 |
| ·EMD-AR 谱与HHT 谱比较研究 | 第80-82页 |
| ·非稳态振动信号的EMD-AR 谱分析 | 第82-88页 |
| ·曲轴轴承故障非稳态振动信号的EMD-AR 谱分析 | 第82-84页 |
| ·连杆轴承故障非稳态振动信号的EMD-AR 谱分析 | 第84-86页 |
| ·双故障非稳态振动信号的EMD-AR 谱分析 | 第86-88页 |
| ·非稳态信号和稳态信号比较分析 | 第88-90页 |
| ·本章小结 | 第90-91页 |
| 第六章 基于变精度粗糙集的故障特征提取 | 第91-105页 |
| ·引言 | 第91-92页 |
| ·粗糙集基本理论 | 第92-96页 |
| ·等价类和不可分辨关系 | 第92页 |
| ·粗糙集的知识表示 | 第92-94页 |
| ·属性约简 | 第94-96页 |
| ·变精度粗糙集理论 | 第96-97页 |
| ·粗糙集模型的特点和局限性 | 第96页 |
| ·可变精度粗糙集理论 | 第96-97页 |
| ·基于变精度粗糙集的柴油机故障特征提取 | 第97-104页 |
| ·信号处理与决策表生成 | 第97-100页 |
| ·属性对决策近似精度的计算 | 第100-102页 |
| ·变精度粗糙集理论实现关键诊断参数的自动提取 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 第七章 基于支持向量机后验概率建模的柴油机故障诊断 | 第105-118页 |
| ·引言 | 第105页 |
| ·SVM 基本原理 | 第105-109页 |
| ·SVM 基本思想 | 第105-106页 |
| ·线性可分情况 | 第106-108页 |
| ·非线性可分情况 | 第108-109页 |
| ·SVM 多分类算法 | 第109页 |
| ·支持向量机的后验概率输出 | 第109-111页 |
| ·两分类SVM 的概率输出 | 第109-110页 |
| ·多分类SVM 的加权后验概率输出 | 第110-111页 |
| ·SVM 后验概率在柴油机故障诊断中的应用研究 | 第111-117页 |
| ·SVM 故障诊断流程 | 第111-112页 |
| ·基于SVM 后验概率建模的柴油机故障诊断 | 第112-117页 |
| ·本章小结 | 第117-118页 |
| 第八章 基于支持向量机与证据理论的柴油机智能诊断研究 | 第118-136页 |
| ·信息融合概述 | 第118-122页 |
| ·信息融合的定义 | 第118-119页 |
| ·信息融合的数学依据 | 第119-121页 |
| ·信息融合的级别 | 第121-122页 |
| ·证据理论基本原理 | 第122-126页 |
| ·证据理论的基本概念 | 第123页 |
| ·合成和决策规则 | 第123-124页 |
| ·证据理论的特点 | 第124页 |
| ·支持向量机与证据理论的结合 | 第124-126页 |
| ·基于SVM 和D-S 理论的柴油机智能诊断 | 第126-130页 |
| ·两级融合的智能故障诊断模型 | 第126页 |
| ·特征诊断层的支持向量融合 | 第126-127页 |
| ·决策诊断层的证据融合 | 第127页 |
| ·诊断实例 | 第127-130页 |
| ·柴油机机械故障诊断系统的实现 | 第130-135页 |
| ·系统总体设计 | 第130-132页 |
| ·系统实现 | 第132-133页 |
| ·应用举例 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第九章 结论与展望 | 第136-139页 |
| ·论文主要结论 | 第136-137页 |
| ·创新点 | 第137页 |
| ·有待进一步研究的内容 | 第137-139页 |
| 参考文献 | 第139-149页 |
| 发表论文和科研情况说明 | 第149-150页 |
| 致谢 | 第150页 |
