基于振动信号的柴油机神经网络故障诊断技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·柴油机故障诊断技术国内外研究现状 | 第9-10页 |
| ·国内研究情况概述 | 第9-10页 |
| ·国外研究情况概述 | 第10页 |
| ·柴油机故障诊断常用方法 | 第10-13页 |
| ·基于性能参数的柴油机状态监测法 | 第10-11页 |
| ·基于油液分析的柴油机故障诊断法 | 第11页 |
| ·基于瞬时转速的柴油机状态监测法 | 第11-12页 |
| ·基于振动信号的柴油机故障诊断法 | 第12页 |
| ·基于智能分析的柴油机故障诊断法 | 第12-13页 |
| ·本文研究的主要内容与方法 | 第13-14页 |
| 第二章 小波分析与神经网络 | 第14-28页 |
| ·小波分析 | 第14-17页 |
| ·小波变换基本概念 | 第14-15页 |
| ·连续小波变换 | 第15-16页 |
| ·离散小波变换 | 第16-17页 |
| ·小波包分析 | 第17-20页 |
| ·小波包函数的定义 | 第17页 |
| ·小波包的子空间分解 | 第17-18页 |
| ·小波包的分解与重构算法 | 第18页 |
| ·小波去噪 | 第18-19页 |
| ·利用小波包分析进行信号特征提取 | 第19-20页 |
| ·神经网络 | 第20-23页 |
| ·神经元模型 | 第21-22页 |
| ·神经网络分类 | 第22页 |
| ·神经网络的学习和算法 | 第22-23页 |
| ·BP神经网络 | 第23-26页 |
| ·BP神经网络模型 | 第23-24页 |
| ·BP神经网络学习算法 | 第24-25页 |
| ·BP网络的局限性 | 第25-26页 |
| ·BP神经网络的改进 | 第26页 |
| ·神经网络故障诊断技术 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 柴油机振动分析 | 第28-40页 |
| ·柴油机的振动源及传播途径 | 第28-29页 |
| ·柴油机振动信号的测量 | 第29-32页 |
| ·柴油机表面振动信号特性 | 第32-33页 |
| ·柴油机表面振动信号的时域分析 | 第33-36页 |
| ·柴油机表面振动信号的频域分析 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第四章 柴油机故障诊断试验与分析 | 第40-57页 |
| ·振动信号特征参数的提取 | 第40-50页 |
| ·神经网络诊断系统的设计与实现 | 第50页 |
| ·神经诊断网络的训练 | 第50-53页 |
| ·BP神经网络的验证 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-67页 |
| 附录A 攻读学位期间发表论文目录 | 第67-68页 |
| 附录B 参与项目情况 | 第68-69页 |
| 附录C 故障特征参数 | 第69-77页 |
