摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第12-18页 |
1.1 课题的研究背景和意义 | 第12页 |
1.2 研究现状与发展趋势 | 第12-14页 |
1.3 柴油机故障诊断典型方法 | 第14-15页 |
1.4 论文的研究内容与行文结构 | 第15-18页 |
第2章 信息融合技术 | 第18-34页 |
2.1 信息融合的理论基础 | 第18-19页 |
2.1.1 信息融合的仿生学机理 | 第18页 |
2.1.2 信息融合的定义 | 第18-19页 |
2.1.3 信息融合的基本原理 | 第19页 |
2.2 信息融合的层次分解 | 第19-22页 |
2.2.1 数据层融合 | 第19-20页 |
2.2.2 特征层融合 | 第20-21页 |
2.2.3 决策层融合 | 第21-22页 |
2.3 信息融合应用于故障诊断的典型方法 | 第22-31页 |
2.3.1 小波变换 | 第22-24页 |
2.3.2 人工神经网络 | 第24-26页 |
2.3.3 模糊集合理论 | 第26-29页 |
2.3.4 D-S证据理论 | 第29-31页 |
2.4 信息融合的关键问题 | 第31-33页 |
2.5 本章小结 | 第33-34页 |
第3章 柴油机故障诊断机理 | 第34-46页 |
3.1 柴油机的组成结构和工作原理 | 第34-37页 |
3.1.1 柴油机的基本结构 | 第34-36页 |
3.1.2 柴油机的工作原理 | 第36-37页 |
3.2 柴油机的常见故障模式与主要故障特征 | 第37-39页 |
3.2.1 柴油机的常见故障模式 | 第37-38页 |
3.2.2 柴油机的主要故障特点 | 第38-39页 |
3.3 柴油机振动信号机理研究 | 第39-43页 |
3.3.1 柴油机动力性能分析 | 第39-40页 |
3.3.2 振动信号的激励源 | 第40页 |
3.3.3 振动信号的特性 | 第40-43页 |
3.4 柴油机故障诊断的不确定性 | 第43-44页 |
3.5 本章小结 | 第44-46页 |
第4章 基于引力搜索BP神经网络的柴油机故障诊断 | 第46-62页 |
4.1 引言 | 第46页 |
4.2 引力搜索算法 | 第46-49页 |
4.2.1 引力搜索算法原理 | 第46-48页 |
4.2.2 引力搜索算法步骤 | 第48-49页 |
4.3 BP神经网络 | 第49-54页 |
4.3.1 BP神经网络模型与结构 | 第49-50页 |
4.3.2 BP神经网络学习算法原理 | 第50-52页 |
4.3.3 BP神经网络算法步骤 | 第52页 |
4.3.4 BP算法的不足 | 第52-53页 |
4.3.5 BP算法的改进 | 第53-54页 |
4.4 基于引力搜索BP神经网络的柴油机故障诊断方法 | 第54-55页 |
4.4.1 诊断步骤 | 第54-55页 |
4.4.2 网络初始权值与阈值优化 | 第55页 |
4.5 柴油机故障诊断实验 | 第55-60页 |
4.5.1 系统组成与样本获取 | 第55-58页 |
4.5.2 网络设计与参数选择 | 第58-59页 |
4.5.3 实验仿真与结果分析 | 第59-60页 |
4.6 本章小节 | 第60-62页 |
第5章 柴油机故障诊断系统的软件设计 | 第62-72页 |
5.1 软件的需求分析 | 第62页 |
5.2 系统开发语言的选取 | 第62-63页 |
5.3 VC++调用MATLAB的接口技术 | 第63-64页 |
5.3.1 VC++调用MATLAB的函数 | 第63页 |
5.3.2 代码转换法连接 | 第63页 |
5.3.3 调用引擎法连接 | 第63-64页 |
5.4 诊断系统的软件与程序设计流程 | 第64-66页 |
5.4.1 诊断软件设计流程分析 | 第64-65页 |
5.4.2 诊断软件程序功能 | 第65-66页 |
5.5 诊断软件功能的实现 | 第66-70页 |
5.5.1 登录界面 | 第67-68页 |
5.5.2 诊断界面 | 第68-69页 |
5.5.3 诊断结果界面 | 第69-70页 |
5.6 本章小结 | 第70-72页 |
总结与展望 | 第72-74页 |
参考文献 | 第74-78页 |
攻读硕士学位期间发表的学术论文 | 第78-80页 |
致谢 | 第80页 |