| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·柴油机故障诊断概述 | 第11-14页 |
| ·柴油机故障诊断复杂性 | 第11-12页 |
| ·柴油机的故障诊断方法及产品现状 | 第12-14页 |
| ·多传感器信息融合概况 | 第14-15页 |
| ·多传感器信息融合基本原理 | 第14页 |
| ·多传感器信息融合技术应用及优点 | 第14-15页 |
| ·基于多传感器信息融合技术的柴油机故障诊断概述 | 第15-16页 |
| ·本文的研究内容 | 第16-17页 |
| 第2章 柴油机故障诊断系统方案设计 | 第17-23页 |
| ·柴油机配气机构故障基理研究 | 第17-18页 |
| ·柴油机配气机构的结构及作用 | 第17-18页 |
| ·柴油机配气机构故障原因及表现 | 第18-21页 |
| ·配气机构故障原因 | 第18-19页 |
| ·配气机构的故障表现 | 第19-21页 |
| ·配气机构故障的诊断方法 | 第21页 |
| ·信息融合诊断系统设计 | 第21-22页 |
| ·柴油机故障诊断系统设计方案 | 第21-22页 |
| ·基于信息融合技术的故障诊断系统总体设计 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第3章 柴油机故障诊断实验研究 | 第23-36页 |
| ·实验台架搭建 | 第23页 |
| ·状态监测系统设计安装 | 第23-33页 |
| ·监测系统的硬件选型及设计 | 第24-28页 |
| ·状态监测系统软件设计 | 第28-33页 |
| ·实验方案设计 | 第33-35页 |
| ·振动测点的选择 | 第33-34页 |
| ·柴油机配气机构故障模拟 | 第34页 |
| ·实验内容及步骤 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 柴油机计算阶比跟踪技术研究 | 第36-45页 |
| ·振动信号定位 | 第36-38页 |
| ·恒频采样 | 第36-37页 |
| ·阶比跟踪技术 | 第37-38页 |
| ·柴油机阶比跟踪计算 | 第38-44页 |
| ·瞬时转速异常值剔除 | 第38-39页 |
| ·基于重采样的计算阶比跟踪 | 第39-42页 |
| ·实验数据融合 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 柴油机缸盖振动分析及特征提取 | 第45-67页 |
| ·柴油机缸盖振动激振源分析 | 第45-47页 |
| ·常用振动信号特征提取算法特点 | 第47-50页 |
| ·基于 EMD 的时频分析特征提取 | 第50-61页 |
| ·Hilbert-Huang 产生背景 | 第50页 |
| ·Hilbert-Huang 算法 | 第50-52页 |
| ·Hilbert 谱 | 第52-53页 |
| ·仿真信号演示 | 第53-58页 |
| ·柴油机振动分析实例 | 第58-61页 |
| ·柴油机故障状态下 IMF 及 Hilbert 谱对比 | 第61-65页 |
| ·气阀间隙异常 | 第61-63页 |
| ·排气阀漏气 | 第63-65页 |
| ·振动信号特征量化 | 第65-66页 |
| ·时域参数量化 | 第65页 |
| ·基于 Hilbert 边际能量谱的特征量化 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第6章 基于神经网络的信息融合技术 | 第67-76页 |
| ·柴油机常规参数与故障关系分析 | 第67-69页 |
| ·基于神经网络数据融合的柴油机诊断 | 第69-73页 |
| ·神经网络信息融合的原理及优势 | 第69页 |
| ·基于径向基函数神经网络信息融合框架 | 第69-70页 |
| ·RBF 网络的构造 | 第70-71页 |
| ·RBF 网络的训练 | 第71-73页 |
| ·柴油机配气机构故障诊断 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 总结 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第82-83页 |
| 致谢 | 第83页 |