基于神经网络的柴油机故障诊断技术的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-13页 |
| ·故障诊断技术的研究现状 | 第10-11页 |
| ·故障诊断技术的发展趋势 | 第11-12页 |
| ·本文的研究内容 | 第12-13页 |
| 第2章 神经网络故障诊断方法 | 第13-29页 |
| ·柴油机故障诊断方法概述 | 第13-16页 |
| ·基于振动信号的时频特征提取分析法 | 第13-14页 |
| ·瞬时转速波动诊断法 | 第14页 |
| ·基于灰色系统理论的故障诊断方法 | 第14页 |
| ·基于专家系统的智能化诊断方法 | 第14-15页 |
| ·基于神经网络的故障诊断法 | 第15-16页 |
| ·神经网络原理及其在故障诊断中的应用 | 第16-19页 |
| ·神经网络的原理 | 第16-18页 |
| ·基于神经网络的故障诊断 | 第18-19页 |
| ·径向基函数神经网络 | 第19-29页 |
| ·RBF神经网络原理 | 第19-20页 |
| ·RBF神经网络模型 | 第20-23页 |
| ·RBF神经网络的学习方式和特点 | 第23-29页 |
| 第3章 柴油机燃油系统的故障诊断 | 第29-56页 |
| ·柴油机燃油系统 | 第29-31页 |
| ·柴油机燃油系统的简介 | 第29-30页 |
| ·柴油机燃油系统的喷射过程 | 第30-31页 |
| ·柴油机燃油系统压力波 | 第31-34页 |
| ·压力波形成机理 | 第31-33页 |
| ·压力波的数据特征 | 第33页 |
| ·压力波的测量 | 第33-34页 |
| ·柴油机燃油系统的几种常见故障 | 第34-40页 |
| ·柴油机燃油压力波形特征参数的提取 | 第40-49页 |
| ·燃油压力波形态结构的描述及提取 | 第41-46页 |
| ·诊断特征参数的识别 | 第46-49页 |
| ·基于RBF神经网络的燃油系统故障诊断 | 第49-56页 |
| ·样本数据 | 第49-51页 |
| ·网络结构的确定及算法的实现 | 第51-52页 |
| ·网络的训练和测试 | 第52-56页 |
| 第4章 柴油机涡轮增压系统的故障诊断 | 第56-69页 |
| ·涡轮增压系统 | 第56页 |
| ·涡轮增压系统的常见故障 | 第56-58页 |
| ·基于RBF神经网络的涡轮增压系统的故障诊断 | 第58-69页 |
| ·输入、输出向量的确定及数据本集的设计 | 第58-63页 |
| ·网络结构的确定及训练 | 第63-64页 |
| ·网络的测试及结果分析 | 第64-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 研究生履历 | 第74页 |
