| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究的背景及意义 | 第9-10页 |
| 1.2 柴油机故障诊断技术的研究现状 | 第10-12页 |
| 1.3 柴油机故障诊断技术的研究方法 | 第12-13页 |
| 1.4 人工神经网络在柴油机系统中的应用现状 | 第13-14页 |
| 1.5 和声搜索算法在柴油机系统中的应用现状 | 第14-15页 |
| 1.6 论文结构安排及研究内容 | 第15-16页 |
| 2 柴油机构造及故障概述 | 第16-22页 |
| 2.1 柴油机的基本结构 | 第16-18页 |
| 2.2 柴油机的工作原理 | 第18页 |
| 2.3 柴油机振动激励源分析 | 第18-19页 |
| 2.4 柴油机故障类型及故障特点 | 第19-20页 |
| 2.4.1 故障类型 | 第19页 |
| 2.4.2 柴油机故障特点 | 第19-20页 |
| 2.5 本文的研究对象 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 3 柴油机故障诊断实验 | 第22-46页 |
| 3.1 柴油机实验平台搭建 | 第22-26页 |
| 3.1.1 柴油机实验台搭建原则 | 第22-23页 |
| 3.1.2 柴油机实验台主要组成部件规格 | 第23页 |
| 3.1.3 实验数据采集系统的组成及部件规格 | 第23-26页 |
| 3.2 实验方案设计 | 第26-30页 |
| 3.2.1 柴油机测点布置 | 第26-27页 |
| 3.2.2 柴油机典型故障设置 | 第27-29页 |
| 3.2.3 振动信号采样频率及采样点数设置 | 第29-30页 |
| 3.3 实验步骤及实验内容 | 第30-31页 |
| 3.4 实验信号处理及小波理论 | 第31-45页 |
| 3.4.1 小波包降噪原理 | 第31-43页 |
| 3.4.2 小波包能量特征参量提取 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 BP神经网络概述 | 第46-63页 |
| 4.1 BP网络的结构及特点 | 第46-52页 |
| 4.1.1 BP网络的结构 | 第46-49页 |
| 4.1.2 BP网络权值调整方法 | 第49-50页 |
| 4.1.3 BP网络的特点 | 第50-52页 |
| 4.2 BP算法的改进 | 第52-55页 |
| 4.2.1 自适应学习率的BP算法 | 第52-53页 |
| 4.2.2 弹性BP算法 | 第53-54页 |
| 4.2.3 共轭梯度法 | 第54-55页 |
| 4.3 BP神经网络故障诊断 | 第55-62页 |
| 4.4 本章小结 | 第62-63页 |
| 5 和声搜索算法优化BP神经网络（HS-BP）柴油机故障诊断 | 第63-77页 |
| 5.1 标准和声搜索算法的基本原理 | 第63-66页 |
| 5.2 和声搜索算法优化BP神经网络流程 | 第66-67页 |
| 5.3 HS-BP算法优越性与可行性分析 | 第67-71页 |
| 5.3.1 标准基准测试函数 | 第67-68页 |
| 5.3.2 算法参数设置及实验结果 | 第68-71页 |
| 5.4 和声搜索算法优化BP神经网络柴油机故障诊断 | 第71-75页 |
| 5.5 本章小结 | 第75-77页 |
| 结论与展望 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 致谢 | 第85-86页 |