基于神经网络的汽车发动机智能故障诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·引言 | 第9页 |
| ·发动机故障诊断技术的现状及发展趋势 | 第9-11页 |
| ·发动机故障诊断技术的现状 | 第9-10页 |
| ·发动机诊断技术的发展趋势 | 第10-11页 |
| ·人工智能在故障诊断应用中的发展 | 第11-12页 |
| ·课题研究的内容和意义 | 第12-13页 |
| ·课题研究的内容 | 第12页 |
| ·课题研究的意义 | 第12-13页 |
| 第2章 信号采集 | 第13-21页 |
| ·汽车发动机振动原理 | 第13-15页 |
| ·发动机振动信号的采集 | 第15-20页 |
| 本章小结 | 第20-21页 |
| 第3章 小波分析理论及其在信号处理中的应用 | 第21-42页 |
| ·Fourier分析 | 第21-23页 |
| ·小波分析原理 | 第23-28页 |
| ·小波分析定义 | 第23-24页 |
| ·二进制小波变换 | 第24页 |
| ·一维Mallat算法 | 第24-26页 |
| ·Doubechies紧支小波 | 第26-27页 |
| ·小波消噪方法及在汽车发动机振动信号处理中的应用 | 第27-28页 |
| ·小波包理论及其在发动机故障信号处理中的应用 | 第28-40页 |
| ·小波包的定义 | 第28-29页 |
| ·小波包算法 | 第29-30页 |
| ·利用小波包进行信号消噪处理 | 第30-34页 |
| ·利用小波包分析进行信号特征值提取 | 第34-35页 |
| ·发动机振动信号消噪与提取特征值实例 | 第35-40页 |
| 本章小结 | 第40-42页 |
| 第4章 基于小波神经网络的故障诊断 | 第42-59页 |
| ·神经网络综述 | 第42-43页 |
| ·神经网络的发展 | 第42页 |
| ·神经网络在故障诊断中的应用 | 第42-43页 |
| ·BP网络 | 第43-46页 |
| ·BP模型计算公式汇总 | 第44-45页 |
| ·BP学习算法的改进 | 第45-46页 |
| ·小波神经网络 | 第46-48页 |
| ·小波分析和神经网络的结合途径 | 第46页 |
| ·小波分析和神经网络的松散型结合 | 第46-48页 |
| ·算法实现及仿真实例 | 第48-58页 |
| ·故障诊断神经网络设计 | 第48-50页 |
| ·故障神经网络的训练 | 第50-54页 |
| ·基于小波神经网络的故障诊断的实现 | 第54-58页 |
| 本章小结 | 第58-59页 |
| 第5章 基于遗传神经网络的故障诊断 | 第59-67页 |
| ·遗传算法(GA)概论 | 第59-60页 |
| ·遗传算法(GA)的发展 | 第59页 |
| ·遗传算法(GA)的特点 | 第59-60页 |
| ·遗传算法优化BP神经网络研究 | 第60-64页 |
| ·应用实例及结果分析 | 第64-66页 |
| 本章小结 | 第66-67页 |
| 第6章 程序实现 | 第67-72页 |
| ·概述 | 第67页 |
| ·VB与MATLAB的接口 | 第67-69页 |
| ·故障智能诊断系统的设计 | 第69-70页 |
| ·智能诊断系统的实现过程 | 第70-71页 |
| ·智能诊断系统学习 | 第70-71页 |
| ·智能诊断流程 | 第71页 |
| 本章小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 附录 | 第74-77页 |
| 参考文献 | 第77-80页 |
| 致谢 | 第80-81页 |
| 在攻读研究生期间发表的论文 | 第81-82页 |
