蚁群聚类算法在柴油机故障诊断中的应用研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 选题背景及研究意义 | 第9-10页 |
| 1.2 柴油机故障诊断技术的发展 | 第10-11页 |
| 1.3 柴油机故障诊断过程和方法 | 第11-15页 |
| 1.3.1 柴油机故障诊断主要过程 | 第11-12页 |
| 1.3.2 柴油机故障诊断方法 | 第12-15页 |
| 1.4 基于蚁群聚类算法的柴油机故障诊断方法 | 第15-16页 |
| 1.4.1 故障诊断新方法的思想 | 第15-16页 |
| 1.5 本文的主要工作内容 | 第16-18页 |
| 第2章 基于蚁群聚类分析的柴油机故障诊断方法 | 第18-33页 |
| 2.1 蚁群聚类算法 | 第18-20页 |
| 2.1.1 基本模型 | 第18-19页 |
| 2.1.2 LF算法 | 第19-20页 |
| 2.2 基于蚁群聚类分析的柴油机故障诊断方法 | 第20-22页 |
| 2.2.1 柴油机故障诊断新方法的提出 | 第20-21页 |
| 2.2.2 聚类算法的步骤 | 第21-22页 |
| 2.3 软件验证 | 第22-31页 |
| 2.3.1 GT-POWER软件介绍 | 第22-23页 |
| 2.3.2 柴油机模型的建立 | 第23-25页 |
| 2.3.3 故障模拟 | 第25-27页 |
| 2.3.4 仿真结果的聚类分析 | 第27-31页 |
| 2.4 蚁群聚类算法的改进 | 第31-32页 |
| 2.4.1 蚁群聚类算法的改进策略 | 第31页 |
| 2.4.2 改进算法的比较 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 柴油机故障气缸的离群分析 | 第33-45页 |
| 3.1 离群数据的挖掘 | 第33-34页 |
| 3.1.1 离群数据的定义 | 第33页 |
| 3.1.2 离群数据的挖掘方法 | 第33-34页 |
| 3.2 柴油机故障诊断中的离群因子 | 第34-36页 |
| 3.2.1 基于聚类的局部离群因子 | 第34-35页 |
| 3.2.2 柴油机故障诊断中的离群因子 | 第35-36页 |
| 3.3 故障气缸的离群分析 | 第36-44页 |
| 3.3.1 离群分析的计算步骤 | 第36页 |
| 3.3.2 离群因子的计算 | 第36-41页 |
| 3.3.3 离群因子的分析 | 第41-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 柴油机故障诊断实验台的搭建 | 第45-57页 |
| 4.1 故障诊断实验台总体设计 | 第45-46页 |
| 4.2 故障诊断试验台的硬件设计 | 第46-53页 |
| 4.2.1 柴油机热工参数采集系统 | 第46-48页 |
| 4.2.2 柴油机瞬时转速测试系统 | 第48-51页 |
| 4.2.3 柴油机气缸爆发压力采集系统 | 第51-52页 |
| 4.2.4 测功器系统 | 第52-53页 |
| 4.3 故障诊断试验台的软件设计 | 第53页 |
| 4.4 柴油机气缸特征参数的采集 | 第53-56页 |
| 4.4.1 柴油机排气温度的采集 | 第53-55页 |
| 4.4.2 柴油机瞬时转速的采集 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第5章 实验验证 | 第57-63页 |
| 5.1 柴油机故障诊断实验 | 第57-59页 |
| 5.1.1 实验准备 | 第57-58页 |
| 5.1.2 实验过程 | 第58-59页 |
| 5.2 聚类计算与分析 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第69-71页 |
| 致谢 | 第71页 |
