| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 论文研究的背景和意义 | 第10-11页 |
| 1.1.1 论文研究的背景 | 第10-11页 |
| 1.1.2 论文研究的意义 | 第11页 |
| 1.2 汽车发动机故障诊断研究现状及发展趋势 | 第11-17页 |
| 1.2.1 发动机故障信号的获取方法 | 第12-13页 |
| 1.2.2 发动机信号处理和故障特征的提取方法 | 第13-14页 |
| 1.2.3 发动机故障模式识别技术 | 第14-16页 |
| 1.2.4 发动机故障诊断技术的发展趋势 | 第16-17页 |
| 1.3 论文的组织与结构安排 | 第17-19页 |
| 第二章 车辆发动机机械故障及振动信号的测量 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 发动机的基本结构及常见故障 | 第19-21页 |
| 2.2.1 发动机的基本结构 | 第19页 |
| 2.2.2 发动机常见故障 | 第19-21页 |
| 2.3 发动机振动信号的测量 | 第21-26页 |
| 2.3.1 选择测试位置 | 第21页 |
| 2.3.2 选择测试转速 | 第21-22页 |
| 2.3.3 诊断对象技术状况设定 | 第22页 |
| 2.3.4 定转速非稳态信号测试系统的组成 | 第22-23页 |
| 2.3.5 定转速非稳态信号测量及信号的幅域分析 | 第23-26页 |
| 2.4 小结 | 第26-27页 |
| 第三章 基于小波分形技术提取发动机振动信号故障特征 | 第27-42页 |
| 3.1 引言 | 第27-28页 |
| 3.2 小波分析基本理论 | 第28-31页 |
| 3.2.1 小波变换的发展 | 第28-29页 |
| 3.2.2 连续小波变换 | 第29-30页 |
| 3.2.3 离散二进小波变换 | 第30-31页 |
| 3.3 分形基本理论 | 第31-36页 |
| 3.3.1 分形的定义和性质 | 第31-32页 |
| 3.3.2 网格维数的计算方法 | 第32-35页 |
| 3.3.3 网格维数的仿真计算[68] | 第35-36页 |
| 3.4 基于小波分形技术提取发动机故障特征 | 第36-40页 |
| 3.4.1 小波分形技术的基本思想 | 第36页 |
| 3.4.2 利用小波分形提取故障特征 | 第36-39页 |
| 3.4.3 计算结果分析 | 第39-40页 |
| 3.5 小结 | 第40-42页 |
| 第四章 基于小波包AR谱提取发动机振动信号故障特征 | 第42-54页 |
| 4.1 引言 | 第42-43页 |
| 4.2 小波包分解与重构算法 | 第43-45页 |
| 4.3 AR谱估计 | 第45-46页 |
| 4.4 小波包AR谱提取特征过程 | 第46-49页 |
| 4.4.1 小波包分解 | 第47-48页 |
| 4.4.2 分频段重构时域信号 | 第48-49页 |
| 4.4.3 AR谱分析 | 第49页 |
| 4.5 基于小波包AR谱提取发动机故障特征 | 第49-53页 |
| 4.5.1 利用小波包AR谱分析发动机振动信号 | 第49-51页 |
| 4.5.2 发动机振动信号小波包AR谱特征提取 | 第51-52页 |
| 4.5.3 分析结果讨论 | 第52-53页 |
| 4.6 小结 | 第53-54页 |
| 第五章：基于双谱理论提取发动机振动信号故障特征 | 第54-63页 |
| 5.1 引言 | 第54页 |
| 5.2 高阶谱基本理论 | 第54-58页 |
| 5.2.1 累积量与高阶谱定义 | 第54-56页 |
| 5.2.2 高阶谱的性质[70] | 第56-58页 |
| 5.3 基于非参数的双谱估计 | 第58-59页 |
| 5.4 基于双谱理论提取发动机振动信号故障特征 | 第59-62页 |
| 5.5 小结 | 第62-63页 |
| 第六章 基于粗糙集理论提取发动机振动信号故障特征 | 第63-79页 |
| 6.1 引言 | 第63-64页 |
| 6.2 粗糙集理论的基本概念 | 第64-68页 |
| 6.2.1 知识的概念与决策系统 | 第64-65页 |
| 6.2.2 不可分辨关系 | 第65页 |
| 6.2.3 粗糙集的上近似、下近似、边界区和近似精度 | 第65-66页 |
| 6.2.4 属性约简 | 第66-68页 |
| 6.2.5 粗糙集特点 | 第68页 |
| 6.3 基于粗糙集理论的发动机故障特征提取 | 第68-78页 |
| 6.3.1 信号处理与产生决策表 | 第68-76页 |
| 6.3.2 计算属性对决策近似精度 | 第76-78页 |
| 6.4 小结 | 第78-79页 |
| 第七章 基于蚁群神经网络的发动机故障诊断系统研究 | 第79-93页 |
| 7.1 引言 | 第79页 |
| 7.2 人工神经网络 | 第79-83页 |
| 7.2.1 人工神经网络基本原理 | 第80-81页 |
| 7.2.2 人工神经网络的主要学习算法 | 第81-83页 |
| 7.3 蚁群算法的基本理论 | 第83-85页 |
| 7.3.1“双桥”实验 | 第83页 |
| 7.3.2 蚁群算法的生物原理 | 第83-84页 |
| 7.3.3 蚁群算法的本质 | 第84页 |
| 7.3.4 蚁群算法的应用及展望 | 第84-85页 |
| 7.4 蚁群优化算法与神经网络的结合 | 第85-86页 |
| 7.4.1 蚁群算法优化神经网络的基本思想 | 第85页 |
| 7.4.2 蚁群算法优化神经网络的实现过程 | 第85-86页 |
| 7.4.3 蚁群算法优化神经网络的流程图 | 第86页 |
| 7.5 基于蚁群神经网络的柴油发动机机械故障诊断系统 | 第86-91页 |
| 7.6 小结 | 第91-93页 |
| 第八章 结论与展望 | 第93-95页 |
| 8.1 论文的主要结论与创新点 | 第93-94页 |
| 8.2 需进一步解决的工作 | 第94-95页 |
| 参考文献 | 第95-101页 |
| 攻读硕士学位期间取得的学术成果 | 第101-102页 |
| 致谢 | 第102页 |
