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 |
