首页--工业技术论文--能源与动力工程论文--内燃机论文--柴油机论文--检修与维护论文

基于独立分量分析的柴油机振动信号特征提取研究

摘要第1-5页
Abstract第5-10页
第1章 绪论第10-17页
   ·研究目的与意义第10-11页
   ·课题来源第11页
   ·振动信号分析处理方法研究现状第11-13页
     ·时域统计分析第11-12页
     ·频域分析第12页
     ·时频分析第12-13页
     ·盲源信号分离第13页
   ·盲源分离在振动信号分析中研究现状第13-15页
   ·本论文的主要研究工作第15-17页
第2章 盲源分离的理论研究第17-29页
   ·主分量分析第17-20页
     ·主分量分析定义第17-18页
     ·主分量算法第18-19页
     ·主分量的贡献率第19页
     ·主分量分析的局限性第19-20页
   ·独立分量分析第20-26页
     ·独立分量分析的定义第20-21页
     ·ICA 的混叠模型第21-22页
     ·ICA 的限定条件第22-23页
     ·ICA 的不确定性第23页
     ·ICA 的主要判据第23-26页
   ·ICA 算法第26-29页
     ·中心化第26-27页
     ·白化处理第27页
     ·FastICA 算法原理第27-29页
第3章 柴油机主要激励源识别研究第29-48页
   ·信号的获取与处理第29-32页
     ·试验设计第29-31页
     ·柴油机表面振动信号分析第31-32页
   ·盲解卷积理论第32-35页
     ·盲解卷积算法研究第32-35页
     ·非线性函数计算第35页
   ·解卷积算法仿真分析第35-40页
     ·评价指标第35-36页
     ·BLMS 与 DMED 算法对比第36页
     ·DMED 算法分离试验第36-40页
   ·基于盲解卷积算法的柴油机主要激励源识别第40-41页
     ·活塞-缸套敲击信号的分离第40页
     ·燃烧激励的识别第40-41页
   ·基于瞬时 ICA 的柴油机主要激励源识别第41-44页
     ·FastICA 仿真分析研究第41-43页
     ·基于 FastICA 的柴油机振动信号分离第43-44页
   ·试验结果对比第44-47页
   ·本章小结第47-48页
第4章 柴油机振动信号的特征提取方法研究第48-66页
   ·柴油机振动试验数据获取与预处理第48-50页
     ·故障模拟试验设计第48-49页
     ·试验数据的预处理第49-50页
   ·柴油机缸盖振动特性分析第50-53页
     ·发火时序分析第50-51页
     ·缸盖振动信号的时域特性第51-52页
     ·缸盖振动信号的频域特性第52-53页
   ·基于小波包分解特征提取第53-58页
     ·小波包变换原理第53-55页
     ·柴油机振动信号的小波特征提取第55-58页
   ·基于 PCA 的振动信号特征提取第58-61页
     ·PCA 特征提取方案第58-59页
     ·特征提取与分析第59-61页
   ·基于 ICA 特征提取第61-64页
     ·ICA 的特征提取方案第62-63页
     ·特征提取与分析第63-64页
   ·本章小结第64-66页
第5章 柴油机故障识别试验研究第66-80页
   ·模式识别基本理论第66-71页
     ·基于互信息的特征选择第66-68页
     ·支持向量机原理第68-70页
     ·核函数第70-71页
   ·分类器设计第71-74页
     ·识别器参数优化第71-72页
     ·特征维数确定第72-74页
   ·柴油机故障识别试验第74-79页
     ·基于小波包分解特征的故障识别第74-76页
     ·基于 PCA 特征的故障类型识别第76-77页
     ·基于 ICA 特征的故障类型识别第77-79页
   ·本章小结第79-80页
第6章 总结与展望第80-82页
   ·结论第80-81页
   ·展望第81-82页
致谢第82-83页
参考文献第83-85页

论文共85页,点击 下载论文
上一篇:柴油机SCR系统闭环控制研究
下一篇:球形火焰半径测量技术研究及计算机实现