| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-37页 |
| ·课题背景及意义 | 第11-13页 |
| ·柴油机故障诊断技术概述 | 第13-20页 |
| ·柴油机故障的性质 | 第13-14页 |
| ·柴油机故障诊断过程 | 第14-16页 |
| ·柴油机特征提取方法的研究 | 第16-20页 |
| ·故障诊断方法的研究 | 第20页 |
| ·基于信息融合理论的故障诊断技术 | 第20-27页 |
| ·信息融合技术简介 | 第20-21页 |
| ·柴油机故障诊断领域中引入信息融合技术的意义 | 第21-22页 |
| ·信息融合的框架 | 第22-27页 |
| ·基于信息融合的柴油机故障诊断技术研究现状 | 第27-29页 |
| ·论文主要研究内容 | 第29-37页 |
| 2 柴油机振动信号的性质 | 第37-52页 |
| ·引言 | 第37页 |
| ·柴油机振动机理的研究 | 第37-44页 |
| ·柴油机动力性分析 | 第37-38页 |
| ·缸盖表面振动信号机理研究 | 第38-41页 |
| ·缸体表面振动信号机理研究 | 第41-44页 |
| ·柴油机振动信号的循环波动性 | 第44-47页 |
| ·信号同步平均 | 第44-47页 |
| ·多循环平均 | 第47页 |
| ·振动信号数据定位 | 第47-48页 |
| ·测点定位 | 第48-49页 |
| ·本章小结 | 第49-52页 |
| 3 柴油机振动信号特征提取方法的研究 | 第52-71页 |
| ·引言 | 第52页 |
| ·基局域波法的特征提取 | 第52-62页 |
| ·局域波法原理 | 第52-53页 |
| ·小波包降噪 | 第53-58页 |
| ·基于局域波时频谱柴油机故障诊断的实例 | 第58-59页 |
| ·Hilbert谱熵(HSE) | 第59-62页 |
| ·基于小波K-L信息量的特征提取 | 第62-67页 |
| ·时间序列的参数模型 | 第62-63页 |
| ·K-L信息距离函数 | 第63-64页 |
| ·基于小波K-L信息量的柴油机故障诊断 | 第64-67页 |
| ·柴油机振动信号特征向量提取要点 | 第67-68页 |
| ·本章小结 | 第68-71页 |
| 4 柴油机模拟试验 | 第71-79页 |
| ·引言 | 第71页 |
| ·试验系统组成 | 第71-74页 |
| ·柴油机类型 | 第71-72页 |
| ·样本类别 | 第72页 |
| ·监测参数 | 第72-73页 |
| ·系统要求 | 第73-74页 |
| ·试验结果分析与特征提取 | 第74-77页 |
| ·气缸压力 | 第74-75页 |
| ·缸盖振动信号 | 第75-76页 |
| ·压力恢复 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 5 基于神经网络的柴油机融合诊断 | 第79-93页 |
| ·神经网络概述 | 第79-80页 |
| ·径向基函数神经网络 | 第80-83页 |
| ·概述 | 第80-81页 |
| ·RBF神经元 | 第81页 |
| ·网络拓扑结构 | 第81-83页 |
| ·基于神经网络信息融合的诊断原理 | 第83页 |
| ·基于振动信号的融合诊断 | 第83-86页 |
| ·振动信号网络Ⅰ | 第84-85页 |
| ·振动信号网络Ⅱ | 第85-86页 |
| ·基于模糊神经网络(Fuzzy Neural Networks)融合诊断 | 第86-90页 |
| ·模糊集合的定义 | 第86-88页 |
| ·融合诊断中心的构造 | 第88-89页 |
| ·实例分析 | 第89-90页 |
| ·本章小结 | 第90-93页 |
| 6 基于多征兆D-S证据理论的柴油机融合诊断 | 第93-108页 |
| ·引言 | 第93页 |
| ·D-S证据理论基本概念 | 第93-97页 |
| ·定义 | 第94-95页 |
| ·D-S合成规则 | 第95-96页 |
| ·D-S证据推理信息融合决策的基本过程 | 第96-97页 |
| ·基于D-S证据理论的柴油机故障诊断框架 | 第97-99页 |
| ·诊断模型的建立 | 第97-98页 |
| ·诊断步骤 | 第98-99页 |
| ·基于多征兆D-S证据理论的柴油机故障诊断 | 第99-105页 |
| ·多征兆理论 | 第99页 |
| ·特征提取 | 第99-100页 |
| ·基本可信度分配函数的构造 | 第100-102页 |
| ·决策规则 | 第102页 |
| ·诊断分析 | 第102-105页 |
| ·模拟试验应用分析 | 第105-106页 |
| ·本章小结 | 第106-108页 |
| 7 基于组合框架结构的时空多信息融合诊断策略 | 第108-123页 |
| ·问题提出 | 第108-111页 |
| ·基本融合算法存在的问题 | 第108-109页 |
| ·解决方案 | 第109-110页 |
| ·方案分析 | 第110-111页 |
| ·基于组合框架结构的时空多信息融合诊断系统 | 第111-113页 |
| ·群体决策 | 第113页 |
| ·基于证据理论的决策层融合诊断 | 第113-119页 |
| ·决策层融合方法研究 | 第113-116页 |
| ·可行性分析 | 第116-117页 |
| ·实例分析 | 第117-119页 |
| ·实际应用研究 | 第119-121页 |
| ·本章小结 | 第121-123页 |
| 8 郑和舰主机故障诊断智能系统的研制 | 第123-136页 |
| ·问题提出 | 第123页 |
| ·系统设计 | 第123-124页 |
| ·硬件系统 | 第124-125页 |
| ·软件系统 | 第125-130页 |
| ·面向对象方法 | 第125页 |
| ·软件系统组成 | 第125-129页 |
| ·并发性问题解决 | 第129-130页 |
| ·系统研制的关键技术 | 第130-131页 |
| ·系统的应用 | 第131-133页 |
| ·本章小结 | 第133-136页 |
| 9 总结与展望 | 第136-138页 |
| ·总结 | 第136-137页 |
| ·展望 | 第137-138页 |
| 论文创新点摘要 | 第138-139页 |
| 致谢 | 第139-140页 |
| 作者在攻读博士学位期间发表的学术论文及承担课题 | 第140-141页 |
| 附录: 鉴定意见 | 第141-143页 |