基于BP神经网络的柴油机热红外故障诊断方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·柴油机故障诊断概述 | 第11-12页 |
| ·热红外成像诊断技术的发展史及研究现状 | 第12-15页 |
| ·热红外成像技术在故障诊断中的应用 | 第12-14页 |
| ·国内外研究现状 | 第14-15页 |
| ·BP 神经网络的研究现状 | 第15-17页 |
| ·BP 神经网络模型 | 第15-17页 |
| ·国内的研究现状 | 第17页 |
| ·本文的主要研究工作及安排计划 | 第17-19页 |
| 第二章 热红外成像技术故障诊断原理 | 第19-26页 |
| ·柴油机主要故障及产生机理 | 第19-20页 |
| ·热红外诊断技术的原理 | 第20-23页 |
| ·斯蒂芬—波尔兹曼定律 | 第20-21页 |
| ·基尔霍夫定律 | 第21-22页 |
| ·普朗克辐射定律 | 第22页 |
| ·兰贝特余弦定律 | 第22页 |
| ·维恩位移定律 | 第22-23页 |
| ·影响红外辐射的主要因素 | 第23-24页 |
| ·热红外故障诊断的方法 | 第24-25页 |
| ·温度分析法 | 第24页 |
| ·相对温差法 | 第24-25页 |
| ·同类比较的方法 | 第25页 |
| ·档案分析方法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第三章 热红外图像的采集与预处理 | 第26-45页 |
| ·红外图像的采集 | 第26-28页 |
| ·红外热像仪的结构 | 第26-27页 |
| ·红外热像仪的工作原理 | 第27-28页 |
| ·红外图像的预处理 | 第28-29页 |
| ·滤波降噪 | 第29-31页 |
| ·邻域平均法 | 第29-30页 |
| ·自适应滤波算法 | 第30页 |
| ·中值滤波 | 第30-31页 |
| ·图像增强 | 第31-39页 |
| ·灰度变换 | 第32-34页 |
| ·直方图变换 | 第34-37页 |
| ·图像的频域增强 | 第37-39页 |
| ·图像分割 | 第39-44页 |
| ·边缘检测 | 第39-41页 |
| ·阈值分割 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 热红外图像的特征提取与选择 | 第45-59页 |
| ·热红外图像特征提取概述 | 第45-47页 |
| ·热红外图像的特征分类和提取目的 | 第45-46页 |
| ·热红外图像特征提取的常用方法 | 第46-47页 |
| ·红外图像信息熵特征提取算法 | 第47-51页 |
| ·近似熵算法分析 | 第48-49页 |
| ·样本熵算法分析 | 第49-50页 |
| ·实验结果分析 | 第50-51页 |
| ·红外图像矩特征提取算法 | 第51-55页 |
| ·图像矩的发展 | 第51-52页 |
| ·图像不变矩的构造 | 第52-54页 |
| ·实验结果分析 | 第54-55页 |
| ·红外图像小波变换特征提取算法 | 第55-58页 |
| ·变换特征提取概述 | 第55页 |
| ·小波变换特征提取原理 | 第55-57页 |
| ·实验结果分析 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 BP 神经网络模型在故障诊断中的应用 | 第59-74页 |
| ·人工神经网络基本概念 | 第59-63页 |
| ·神经元模型 | 第59-61页 |
| ·神经网络的特点 | 第61页 |
| ·基于神经网络的模式识别技术 | 第61-63页 |
| ·BP 神经网络 | 第63-69页 |
| ·BP 网络的学习算法 | 第64-66页 |
| ·BP 神经网络模型的设计 | 第66-68页 |
| ·BP 神经网络模型的改进 | 第68页 |
| ·训练样本的处理 | 第68-69页 |
| ·BP 神经网络的训练和故障识别实验结果分析 | 第69-73页 |
| ·BP 网络的训练 | 第69-71页 |
| ·故障识别实验结果分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 总结和展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第80-81页 |
| 致谢 | 第81页 |
