| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 内燃机气门间隙故障诊断的研究背景与意义 | 第10-11页 |
| 1.2 内燃机气门间隙故障诊断研究现状 | 第11-17页 |
| 1.3 论文主要研究内容和结构 | 第17-19页 |
| 第2章 内燃机气门间隙故障激励力分析 | 第19-32页 |
| 2.1 内燃机配气机构主要结构及其工作原理 | 第19-21页 |
| 2.2 搭建内燃机配气机构多质量模型 | 第21-26页 |
| 2.2.1 配气机构模型主要参数设定 | 第22页 |
| 2.2.2 仿真结果分析 | 第22-26页 |
| 2.3 激励力分析 | 第26-29页 |
| 2.4 激励力在内燃机上的传播机制 | 第29-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 内燃机缸盖振动加速度信号的时域和频域分析 | 第32-39页 |
| 3.1 时域分析 | 第32-35页 |
| 3.2 频域分析 | 第35-37页 |
| 3.3 时频分析 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于小波包和k邻近算法的气门间隙故障诊断研究 | 第39-52页 |
| 4.1 内燃机缸盖振动分析 | 第39-40页 |
| 4.2 基于小波包的缸盖振动加速度信号分析 | 第40-44页 |
| 4.3 构建故障特征向量 | 第44-45页 |
| 4.4 基于k邻近算法的故障诊断 | 第45-49页 |
| 4.4.1 k邻近算法分析 | 第45-47页 |
| 4.4.2 k邻近算法诊断结果分析 | 第47-49页 |
| 4.5 诊断结果对比分析 | 第49-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第5章 基于EMD和BPNN的气门间隙故障诊断研究 | 第52-69页 |
| 5.1 EMD算法分析 | 第53-55页 |
| 5.2 构建故障特征向量 | 第55-57页 |
| 5.3 基于BPNN的故障诊断 | 第57-61页 |
| 5.3.1 BPNN算法分析 | 第57-60页 |
| 5.3.2 基于BPNN算法诊断结果分析 | 第60-61页 |
| 5.4 基于EEMD和PSOBP神经网络的故障诊断 | 第61-68页 |
| 5.4.1 EEMD分析 | 第61-64页 |
| 5.4.2 PSO优化BP神经网络分析 | 第64-66页 |
| 5.4.3 PSOBP诊断结果分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 全文总结与展望 | 第69-72页 |
| 6.1 全文工作总结 | 第69-71页 |
| 6.2 工作展望 | 第71-72页 |
| 参考文献 | 第72-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间从事的科研工作及取得的成果 | 第80页 |
