基于段角加速度和神经网络的柴油机失火故障诊断
| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 字母注释表 | 第11-12页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题的研究背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 失火故障特征提取 | 第13-15页 |
| 1.2.2 故障识别技术 | 第15-16页 |
| 1.2.3 OBD中的失火故障诊断研究 | 第16-17页 |
| 1.3 存在问题和本文的主要内容 | 第17-20页 |
| 1.3.1 当前失火诊断存在的问题 | 第17-19页 |
| 1.3.2 本文的主要内容 | 第19-20页 |
| 第二章 段角加速度特征信息提取 | 第20-29页 |
| 2.1 失火特征分析 | 第20-24页 |
| 2.1.1 失火的动力学分析 | 第20-21页 |
| 2.1.2 瞬时转速波动作为失火特征 | 第21-23页 |
| 2.1.3 段角加速度作为失火特征 | 第23-24页 |
| 2.2 瞬时转速信号采集 | 第24-26页 |
| 2.2.1 光电式转速传感器 | 第24-25页 |
| 2.2.2 磁电式转速传感器 | 第25-26页 |
| 2.3 插值处理 | 第26-28页 |
| 2.4 小结 | 第28-29页 |
| 第三章 故障识别的神经网络算法 | 第29-37页 |
| 3.1 BP神经网络模型 | 第29-33页 |
| 3.1.1 BP神经网络结构 | 第29-30页 |
| 3.1.2 归一化 | 第30-31页 |
| 3.1.3 激活函数 | 第31-33页 |
| 3.2 下降算法 | 第33-36页 |
| 3.2.1 神经网络的训练 | 第33-34页 |
| 3.2.2 梯度下降法和LM法 | 第34-36页 |
| 3.3 小结 | 第36-37页 |
| 第四章 失火故障诊断实验 | 第37-51页 |
| 4.1 单缸不同程度失火 | 第38-40页 |
| 4.1.1 单缸不完全失火描述 | 第38-39页 |
| 4.1.2 网络训练 | 第39-40页 |
| 4.1.3 结果分析 | 第40页 |
| 4.2 全转速范围单缸完全失火故障诊断 | 第40-43页 |
| 4.2.1 全转速单缸完全失火故障描述 | 第40-41页 |
| 4.2.2 网络训练 | 第41-42页 |
| 4.2.3 结果分析 | 第42-43页 |
| 4.3 两缸失火的故障诊断 | 第43-48页 |
| 4.3.1 两缸失火故障描述 | 第43-44页 |
| 4.3.2 网络训练 | 第44-45页 |
| 4.3.3 结果分析 | 第45-48页 |
| 4.4 高速轻载工况下单缸失火故障诊断 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第五章 神经网络的遗传算法优化 | 第51-58页 |
| 5.1 局部最优与全局最优 | 第51-52页 |
| 5.2 遗传算法 | 第52-53页 |
| 5.3 神经网络初始权值优化问题 | 第53-55页 |
| 5.4 优化前后神经网络训练结果对比 | 第55-57页 |
| 5.5 小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58-59页 |
| 6.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-64页 |
| 发表论文和参加科研情况说明 | 第64-65页 |
| 致谢 | 第65页 |
