| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题背景及研究目的 | 第11-12页 |
| ·本研究有关领域的发展状况 | 第12-16页 |
| ·机械设备故障诊断技术的发展概况 | 第12-15页 |
| ·柴油机故障诊断的发展方向 | 第15-16页 |
| ·主要研究内容 | 第16-17页 |
| 第2章 船舶柴油机和机舱设备监控 | 第17-26页 |
| ·RCM对状态监测的要求 | 第17-19页 |
| ·设备故障的信息获取和检测方法 | 第19-22页 |
| ·设备故障信息的获取方法 | 第19-20页 |
| ·设备故障信息的检测方法 | 第20-22页 |
| ·船舶机舱监控系统 | 第22-26页 |
| 第3章 柴油机故障的瞬态转速和气压扭矩诊断法 | 第26-53页 |
| ·瞬态转速与气压扭矩诊断法概述 | 第26-27页 |
| ·瞬态转速与气压扭矩诊断的力学基础 | 第27-31页 |
| ·力分析 | 第27-30页 |
| ·作用在曲轴上的力矩 | 第30-31页 |
| ·故障诊断用发动机动态模型 | 第31-36页 |
| ·SCANIA发动机模型 | 第32-34页 |
| ·简化的模型 | 第34-36页 |
| ·发动机输出扭矩和气压扭矩计算 | 第36-40页 |
| ·根据瞬态转速和气压扭矩波形诊断柴油机故障 | 第40-47页 |
| ·曲线直观分析 | 第40-43页 |
| ·用诊断参数进行诊断 | 第43-47页 |
| ·瞬态转速的测量方法 | 第47-52页 |
| ·本章小结 | 第52-53页 |
| 第4章 柴油机故障的灰色关联度诊断法 | 第53-76页 |
| ·灰色故障诊断概述 | 第53页 |
| ·内燃机工作过程故障的灰色诊断 | 第53-64页 |
| ·灰色关联度诊断法 | 第53-55页 |
| ·灰色关联度法故障诊断中特征参数的无量纲化 | 第55-57页 |
| ·灰色关联度法故障诊断中B型关联度的应用 | 第57-60页 |
| ·柴油机故障的最大关联度诊断实例 | 第60-64页 |
| ·以参数域改进最大关联度诊断法 | 第64-69页 |
| ·以参数域为基准模的关联度算法 | 第66页 |
| ·以参数域为基准模的柴油机故障诊断实例 | 第66-69页 |
| ·多缸柴油机性能的灰色优劣度评价 | 第69-74页 |
| ·多缸柴油机故障的灰色优劣关联度模型 | 第70-72页 |
| ·柴油机优劣关联度诊断实例研究 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第5章 柴油机故障的神经网络诊断法 | 第76-113页 |
| ·神经网络概述 | 第76-81页 |
| ·BP学习算法 | 第81-91页 |
| ·误差反向传播计算 | 第81-83页 |
| ·BP学习算法 | 第83-86页 |
| ·BP网络故障诊断实例 | 第86-91页 |
| ·神经网络标准梯度下降法的优化算法 | 第91-99页 |
| ·附加动量法 | 第92-93页 |
| ·变学习率方法 | 第93-95页 |
| ·弹性BP算法 | 第95页 |
| ·基于梯度法的几种算法比较 | 第95-98页 |
| ·动态结构BP网络学习算法 | 第98-99页 |
| ·基于数值优化方法的网络训练算法 | 第99-105页 |
| ·拟牛顿法 | 第100-101页 |
| ·共轭梯度法 | 第101-102页 |
| ·Levenberg-Marquardt法 | 第102-103页 |
| ·几种数值优化方法比较 | 第103-105页 |
| ·回归神经网络和径向基神经网络 | 第105-111页 |
| ·带有偏差单元的递归神经网络 | 第105-107页 |
| ·径向基神经网络(RBF) | 第107-111页 |
| ·本章小结 | 第111-113页 |
| 第6章 柴油机信息集成故障诊断 | 第113-140页 |
| ·信息融合理论概述 | 第113-122页 |
| ·信息融合的定义 | 第113-114页 |
| ·信息融合的基本原理 | 第114-115页 |
| ·信息融合的功能模型 | 第115-117页 |
| ·信息融合的级别 | 第117-119页 |
| ·信息融合系统的实现技术 | 第119-122页 |
| ·多传感器融合柴油机故障诊断 | 第122-133页 |
| ·多传感器信息融合的结构 | 第122-123页 |
| ·最大后验概率准则 | 第123-124页 |
| ·贝叶斯方法诊断柴油机故障 | 第124-129页 |
| ·D-S证据推理诊断法 | 第129-133页 |
| ·柴油机多智能体集成信息诊断 | 第133-140页 |
| ·智能诊断技术 | 第134-136页 |
| ·故障诊断的多智能体结构 | 第136-140页 |
| 第7章 结论 | 第140-143页 |
| 创新点摘要 | 第143-144页 |
| 攻读博士期间公开发表的论文 | 第144-146页 |
| 致谢 | 第146-147页 |
| 参考文献 | 第147-158页 |
| 附录A：SCANIA DS-11柴油机的有关参数 | 第158-159页 |
| 附录B：瞬态转速曲线和气压扭矩曲线测量参数 | 第159-165页 |
| 附录C：以瞬态转速曲线和气压扭矩曲线的特征参数构成的神经网络的训练样本、期望输出和待检验样本 | 第165-169页 |