| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的目的及意义 | 第10-12页 |
| ·故障诊断技术 | 第12-14页 |
| ·故障诊断技术的研究内容 | 第12-13页 |
| ·故障诊断的发展现状 | 第13-14页 |
| ·课题研究的主要内容 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第2章 人工神经网络基础 | 第15-21页 |
| ·生物神经元模型 | 第15-16页 |
| ·人工神经网络 | 第16-20页 |
| ·人工神经元模型 | 第17页 |
| ·神经网络的分类 | 第17-18页 |
| ·人工神经网络的学习方式 | 第18-20页 |
| ·人工神经网络的特性 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 柴油机燃油系统的故障诊断 | 第21-38页 |
| ·柴油机燃油系统 | 第21-24页 |
| ·柴油机燃油系统简介 | 第21-22页 |
| ·柴油机燃油系统的喷射过程 | 第22-24页 |
| ·压力波的数据特征 | 第24-25页 |
| ·压力波的测量 | 第25页 |
| ·测量部位的选取 | 第25页 |
| ·燃油系统的几种常见故障 | 第25-29页 |
| ·具体波形分析方法 | 第29-32页 |
| ·峰点、谷点和峰点序列 | 第29-30页 |
| ·主导峰与主导谷 | 第30-31页 |
| ·主导峰与主导谷的识别算法 | 第31-32页 |
| ·燃油压力波形特征提取 | 第32-35页 |
| ·起喷压力点的识别 | 第32-33页 |
| ·落座压力点的识别 | 第33-34页 |
| ·其它特征点的识别 | 第34-35页 |
| ·故障样本数据 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于 SOM 神经网络算法的故障诊断 | 第38-48页 |
| ·SOM 自组织特征映射神经网络 | 第38-43页 |
| ·竞争学习原理 | 第38-39页 |
| ·SOM 神经网络模型 | 第39-40页 |
| ·SOM 自组织映射学习算法 | 第40-41页 |
| ·SOM 神经网络的设计 | 第41-43页 |
| ·基于 SOM 神经网络的故障诊断 | 第43-46页 |
| ·网络样本设计 | 第43-44页 |
| ·网络设计 | 第44页 |
| ·网络训练与测试 | 第44-46页 |
| ·SOM 神经网络结果分析上要注意的问题 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 基于 BP 神经网络算法的故障诊断 | 第48-58页 |
| ·BP 神经网络 | 第48-52页 |
| ·BP 神经网络模型 | 第48页 |
| ·基本 BP 算法推导 | 第48-50页 |
| ·BP 神经网络算法的缺陷 | 第50-51页 |
| ·BP 算法的改进 | 第51-52页 |
| ·BP 网络设计 | 第52页 |
| ·基于 BP 神经网络的故障诊断 | 第52-53页 |
| ·建立故障数据类型编码 | 第53页 |
| ·BP 神经网络建立 | 第53-54页 |
| ·网络训练与测试 | 第54-56页 |
| ·诊断结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第6章 基于 SOM-BP 神经网络算法的故障诊断 | 第58-63页 |
| ·基于 SOM-BP 神经网络故障诊断 | 第58页 |
| ·SOM-BP 神经网络训练与测试 | 第58-61页 |
| ·故障诊断系统简介 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第70-71页 |
| 感谢 | 第71-72页 |