| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-19页 |
| ·引言 | 第9页 |
| ·本课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-17页 |
| ·多传感器信息融合技术研究现状 | 第11-12页 |
| ·柴油机故障诊断方法研究现状 | 第12-14页 |
| ·基于信息融合的柴油机故障诊断技术研究现状 | 第14-17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 2 柴油机故障诊断技术 | 第19-30页 |
| ·柴油机故障诊断系统的机理分析 | 第19-24页 |
| ·柴油机基本结构 | 第19-20页 |
| ·曲柄连杆机构动力分析 | 第20-21页 |
| ·活塞组件动力分析 | 第21-22页 |
| ·配气系统动力分析 | 第22-24页 |
| ·柴油机故障诊断原理和故障特征分析 | 第24-29页 |
| ·基于柴油机振动信号的故障诊断及特征分析 | 第24-27页 |
| ·基于瞬时转速信息的故障诊断原理及特征分析 | 第27-28页 |
| ·基于气缸压力的故障诊断原理 | 第28-29页 |
| ·基于燃油压力的故障诊断原理及特征分析 | 第29页 |
| ·本章小结 | 第29-30页 |
| 3 信息融合技术概述 | 第30-44页 |
| ·信息融合的理论基础 | 第30-34页 |
| ·信息融合的定义 | 第30-31页 |
| ·故障诊断信息融合的数学背景 | 第31-33页 |
| ·多传感器信息融合基本原理 | 第33-34页 |
| ·信息融合过程 | 第34-35页 |
| ·信息融合的特点 | 第35-36页 |
| ·信息融合的层次结构 | 第36-39页 |
| ·数据层融合 | 第36-37页 |
| ·特征层融合 | 第37-38页 |
| ·决策层融合 | 第38-39页 |
| ·数据融合的关键问题 | 第39-41页 |
| ·数据融合的一般方法 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 柴油机故障诊断实验 | 第44-52页 |
| ·故障诊断实验系统的建立 | 第45页 |
| ·测点的选择 | 第45-46页 |
| ·仪器选择与安装 | 第46-48页 |
| ·信号的消噪处理 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 5 基于人工神经网络的柴油机故障诊断特征级融合方法的应用 | 第52-62页 |
| ·人工神经网络简介 | 第52页 |
| ·反向传播神经网络（BP网络） | 第52-57页 |
| ·BP网络结构 | 第53页 |
| ·BP网络学习规则 | 第53-56页 |
| ·BP网络的设计分析 | 第56-57页 |
| ·基于BP神经网络的故障诊断实现 | 第57-61页 |
| ·输入和目标向量设计 | 第58-59页 |
| ·隐含层与输出层的设计 | 第59页 |
| ·网络的训练与测试 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 基于D-S证据理论的柴油机故障诊断决策级融合方法的应用 | 第62-70页 |
| ·证据理论 | 第62-66页 |
| ·D-S证据理论的概念 | 第62-64页 |
| ·D-S合成规则 | 第64-65页 |
| ·D-S证据推理步骤及过程 | 第65-66页 |
| ·证据理论的优缺点 | 第66页 |
| ·算例分析 | 第66-69页 |
| ·本章小结 | 第69-70页 |
| 7 基于BP神经网络和D-S证据理论的柴油机故障综合诊断 | 第70-75页 |
| ·BP神经网络和D-S证据理论相结合的柴油机故障诊断模型 | 第70-71页 |
| ·利用BP神经网络进行局部诊断 | 第71-72页 |
| ·D-S证据理论决策融合诊断 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 结论 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文 | 第80-81页 |
| 致谢 | 第81页 |
