首页--工业技术论文--能源与动力工程论文--内燃机论文--一般性问题论文--运行与维修论文

基于神经网络和声强技术的发动机故障预测系统研究

摘要第1-4页
ABSTRACT第4-7页
1 绪论第7-14页
   ·课题的提出第7页
   ·课题研究的意义和方法第7-9页
     ·发动机故障预测的意义第7页
     ·发动机故障预测的方法第7-9页
   ·国内外故障预测技术的发展状况及趋势第9-11页
     ·故障诊断与预测技术及其产生背景第9-10页
     ·国内外故障预测技术的发展状况第10-11页
     ·故障预测技术的发展趋势第11页
     ·故障预测技术在汽车领域的应用概况第11页
   ·本文研究的目标和内容第11-14页
     ·本文研究的目标第11-12页
     ·本文研究的内容第12-14页
2 异响表现形式的发动机故障分析第14-20页
   ·发动机常见故障及其表现形式第14-15页
     ·发动机常见故障分析第14页
     ·发动机故障的表现形式第14-15页
   ·异响表现形式的发动机故障特征及其机理分析第15-18页
     ·发动机异响及其分类第15页
     ·发动机常见异响故障特征及其产生机理分析第15-17页
     ·发动机异响的影响因素第17-18页
   ·发动机异响故障的常规处理方法第18-20页
3 声强测试技术及其在发动机故障预测中的应用第20-31页
   ·声强的定义及其在工程上的应用第20-21页
   ·声强测量的基本原理第21-22页
     ·p-u法第21-22页
     ·p-p法第22页
   ·声强测量系统第22-24页
   ·声强的分析和处理第24-27页
     ·声强的分析方法第24-27页
     ·声强的处理方法第27页
   ·发动机声强特征分析第27-29页
   ·基于声强分析的发动机故障预测步骤第29-31页
4 发动机故障预测系统方案研究第31-40页
   ·系统概要设计第31-37页
     ·系统的需求分析第31页
     ·系统可行性分析第31-32页
     ·系统功能模块划分第32-34页
     ·系统数据流分析第34-35页
     ·系统程序流程分析第35-37页
   ·发动机故障预测模型设计第37页
   ·发动机故障预测系统数据库设计第37-40页
     ·现代数据库设计方法概述第37-38页
     ·系统建立的数据库及其数据结构第38-40页
5 基于神经网络的发动机故障预测模型研究第40-56页
   ·故障预测模型的确定第40-41页
     ·常用预测模型及其适用范围第40-41页
     ·本课题采用的预测方法第41页
   ·基于BP网络的发动机故障率预测模型、算法及流程第41-46页
     ·神经网络模型第41-43页
     ·BP网络算法第43-45页
     ·基于BP网络的发动机故障率预测流程第45-46页
   ·发动机故障预测系统网络结构及其参数的选取第46-50页
     ·系统网络结构的选取第46-48页
     ·系统网络神经元激励函数的选取第48-49页
     ·系统网络学习算法的选取第49-50页
   ·发动机故障预测网络的学习第50-52页
     ·发动机声强特征样本的规范化处理第50-51页
     ·系统网络权值的初始化第51页
     ·发动机故障预测网络的训练第51-52页
   ·发动机故障预测网络的仿真第52-53页
   ·发动机故障预测举例第53-56页
6 发动机故障预测系统的软件实现与运行实例第56-69页
   ·发动机故障预测系统开发平台第56-57页
   ·发动机故障预测系统界面设计第57-58页
   ·系统软件实现的关键技术第58-60页
     ·VB对MATLAB的调用方法第58-59页
     ·VB使用ActiveX对象步骤第59页
     ·其他几个编程关键第59-60页
   ·系统运行实例第60-69页
7 论文总结第69-71页
   ·论文的工作总结第69页
   ·不足之处及思考第69-71页
致谢第71-72页
参考文献第72-74页

论文共74页,点击 下载论文
上一篇:中国石蛃目昆虫的分类研究
下一篇:栽培大豆(Glycine max)与野生大豆(Glycine soja)杂交后代耐盐生理机制与籽粒品质的研究