| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-18页 |
| 1.1 选题背景和意义 | 第11-12页 |
| 1.2 发动机故障诊断技术 | 第12-13页 |
| 1.3 铁谱分析技术现状与发展 | 第13-17页 |
| 1.3.1 铁谱分析技术的国外发展动态 | 第13-14页 |
| 1.3.2 铁谱分析技术的国内发展动态 | 第14-16页 |
| 1.3.3 铁谱分析技术的发展方向 | 第16-17页 |
| 1.4 本文主要研究工作 | 第17-18页 |
| 2 自行火炮发动机磨损机理研究 | 第18-31页 |
| 2.1 发动机的主要摩擦副及其磨损分析 | 第18-21页 |
| 2.2 发动机的磨损规律与特点 | 第21-22页 |
| 2.3 发动机磨损类型与特点 | 第22-24页 |
| 2.4 发动机磨粒及分类 | 第24-28页 |
| 2.5 发动机磨损故障及其原因分析 | 第28-30页 |
| 2.6 发动机磨损故障诊断的理论基础 | 第30页 |
| 2.7 本章小结 | 第30-31页 |
| 3 铁谱磨粒图像增强与分割 | 第31-64页 |
| 3.1 铁谱磨粒图像获取 | 第31-32页 |
| 3.2 磨粒图像增强 | 第32-37页 |
| 3.2.1 噪声与噪声分类 | 第32-33页 |
| 3.2.2 图像增强 | 第33-37页 |
| 3.3 磨粒灰度图像分割 | 第37-52页 |
| 3.3.1 基于快速二维熵阈值的铁谱磨粒图像分割方法 | 第38-42页 |
| 3.3.2 基于最大类间方差与改进遗传算法的磨粒图像分割 | 第42-48页 |
| 3.3.3 基于遗传模糊C-均值聚类算法的磨粒图像分割 | 第48-52页 |
| 3.4 磨粒彩色图像分割 | 第52-59页 |
| 3.4.1 基于最大类间方差与Fisher函数的磨粒彩色图像分割 | 第52-55页 |
| 3.4.2 基于小波变换的彩色磨粒图像分割 | 第55-59页 |
| 3.5 磨粒边缘提取 | 第59-61页 |
| 3.6 磨粒图像标注 | 第61-63页 |
| 3.7 本章小结 | 第63-64页 |
| 4 铁谱磨粒显微形态特征描述 | 第64-80页 |
| 4.1 磨粒形状特征 | 第64-67页 |
| 4.1.1 磨粒几何尺寸特征 | 第64-65页 |
| 4.1.2 边界形状特征参数 | 第65-66页 |
| 4.1.3 磨粒区域矩特征 | 第66-67页 |
| 4.2 磨粒的纹理特征参数 | 第67-70页 |
| 4.2.1 灰度共生矩阵 | 第67-69页 |
| 4.2.2 灰度—梯度共生矩阵 | 第69-70页 |
| 4.3 磨粒的颜色特征参数 | 第70-72页 |
| 4.4 铁谱磨粒轮廓分形维数特征 | 第72-77页 |
| 4.4.1 磨粒分形维数计算原理 | 第73-74页 |
| 4.4.2 铁谱磨粒表面纹理分形维数 | 第74-77页 |
| 4.5 磨粒特征参数的优化 | 第77-79页 |
| 4.5.1 模糊粗糙集 | 第77-79页 |
| 4.5.2 敏感特征优选 | 第79页 |
| 4.6 本章小结 | 第79-80页 |
| 5 铁谱磨粒智能识别 | 第80-90页 |
| 5.1 基于神经网络的磨粒识别模型 | 第80-84页 |
| 5.1.1 BP网络结构 | 第80-81页 |
| 5.1.2 BP网络算法 | 第81-83页 |
| 5.1.3 磨粒识别实例 | 第83-84页 |
| 5.2 基于模糊灰色聚类的磨粒识别模型 | 第84-89页 |
| 5.2.1 灰色聚类分析 | 第84-87页 |
| 5.2.2 模糊相对权重 | 第87页 |
| 5.2.3 磨粒识别实例 | 第87-89页 |
| 5.3 本章小结 | 第89-90页 |
| 6 发动机磨损故障诊断 | 第90-108页 |
| 6.1 发动机磨损状态诊断 | 第90-97页 |
| 6.1.1 发动机磨损模式磨粒描述标准库 | 第90-91页 |
| 6.1.2 模糊神经网络磨损模式识别模型 | 第91-93页 |
| 6.1.3 基于灰色关联的发动机磨损模式识别 | 第93-95页 |
| 6.1.4 算法仿真与应用实例 | 第95-97页 |
| 6.2 发动机磨损故障诊断 | 第97-107页 |
| 6.2.1 支持向量机 | 第98-100页 |
| 6.2.2 基于蚁群算法的SVM参数优化 | 第100-106页 |
| 6.2.3 故障诊断及结果分析 | 第106-107页 |
| 6.3 本章小结 | 第107-108页 |
| 7 全文工作总结 | 第108-111页 |
| 7.1 本文主要工作及创新点 | 第108-109页 |
| 7.2 今后的研究方向 | 第109-111页 |
| 致谢 | 第111-112页 |
| 参考文献 | 第112-123页 |
| 附录 | 第123-124页 |
