船用柴油机故障检测与诊断方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 柴油机建模及故障仿真研究 | 第10页 |
| 1.2.2 主元分析理论研究 | 第10-11页 |
| 1.2.3 柴油机故障诊断研究 | 第11-12页 |
| 1.3 柴油机故障诊断的难点 | 第12-13页 |
| 1.4 本文的研究内容及技术路线 | 第13-15页 |
| 1.4.1 主要研究内容 | 第13-14页 |
| 1.4.2 技术路线 | 第14-15页 |
| 第2章 船用柴油机工作过程建模及仿真分析 | 第15-42页 |
| 2.1 柴油机工作过程的数学模型 | 第15-25页 |
| 2.1.1 柴油机的缸内过程计算 | 第16-21页 |
| 2.1.2 进排气系统模型 | 第21-22页 |
| 2.1.3 涡轮增压器模型 | 第22-24页 |
| 2.1.4 调速器模型 | 第24页 |
| 2.1.5 螺旋桨模型 | 第24-25页 |
| 2.2 柴油机的仿真模型及验证 | 第25-32页 |
| 2.2.1 柴油机的仿真模型 | 第25-29页 |
| 2.2.2 柴油机仿真模型的验证 | 第29-32页 |
| 2.3 柴油机的故障仿真 | 第32-41页 |
| 2.3.1 故障参数选取 | 第32-34页 |
| 2.3.2 故障仿真结果分析 | 第34-41页 |
| 2.4 本章小结 | 第41-42页 |
| 第3章 基于PCA的船用柴油机故障检测 | 第42-61页 |
| 3.1 主元分析 | 第42-45页 |
| 3.1.1 主元分析的理论 | 第42-43页 |
| 3.1.2 主元计算方法 | 第43-45页 |
| 3.1.3 主元选取 | 第45页 |
| 3.2 基于PCA的故障检测方法 | 第45-49页 |
| 3.2.1 检测统计量 | 第45-48页 |
| 3.2.2 PCA故障检测的步骤 | 第48-49页 |
| 3.3 基于PCA的故障检测案例分析 | 第49-60页 |
| 3.3.1 主元模型 | 第50-51页 |
| 3.3.2 故障检测 | 第51-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第4章 基于PCA-BP神经网络的柴油机故障诊断 | 第61-76页 |
| 4.1 BP神经网络 | 第61-66页 |
| 4.1.1 BP神经网络结构 | 第61-63页 |
| 4.1.2 BP学习算法 | 第63-66页 |
| 4.2 标准BP网络及改进算法 | 第66-70页 |
| 4.2.1 标准BP神经网络 | 第67-68页 |
| 4.2.2 自适应学习的神经网络 | 第68-69页 |
| 4.2.3 拟牛顿算法的BP神经网络 | 第69-70页 |
| 4.3 基于PCA-BP神经网络的故障诊断方法 | 第70-75页 |
| 4.3.1 诊断步骤 | 第70-72页 |
| 4.3.2 案例分析 | 第72-75页 |
| 4.4 本章小结 | 第75-76页 |
| 第5章 总结与展望 | 第76-78页 |
| 5.1 总结 | 第76-77页 |
| 5.2 创新点 | 第77页 |
| 5.3 展望 | 第77-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 攻读硕士学位期间研究成果 | 第83页 |
