| 目录 | 第1-7页 |
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题的研究意义 | 第9-10页 |
| ·国内外对柴油机故障诊断技术的现状 | 第10-11页 |
| ·柴油机故障诊断的难点 | 第11页 |
| ·柴油机故障诊断技术的主要方法 | 第11-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第二章 神经网络与小波分析 | 第15-28页 |
| ·神经网络的基本内容 | 第15-18页 |
| ·生物神经元 | 第15-16页 |
| ·人工神经元模型 | 第16页 |
| ·神经网络的特点 | 第16-17页 |
| ·神经网络的学习方式 | 第17-18页 |
| ·BP神经网络 | 第18-22页 |
| ·基本神经网络的结构及算法 | 第19-20页 |
| ·增加自适应学习率和动量因子调节 | 第20-21页 |
| ·调节Sigmoidal函数增益 | 第21-22页 |
| ·引入局部极小判别式 | 第22页 |
| ·小波分析 | 第22-26页 |
| ·连续小波变换 | 第23-24页 |
| ·小波包分析 | 第24-25页 |
| ·Daubechies(dbN)小波函数 | 第25-26页 |
| ·小波神经网络 | 第26-28页 |
| 第三章 青藏车发电柴油机结构及缸盖振动特性分析 | 第28-43页 |
| ·发电柴油机的结构和工作过程 | 第28-30页 |
| ·康明斯QSK45-G6柴油机的组成 | 第29-30页 |
| ·康明斯柴油机的工作过程 | 第30页 |
| ·康明斯QSK45-G6柴油机振动的激励源及其传播途径 | 第30-32页 |
| ·康明斯QSK45-G6柴油机的激振源 | 第31页 |
| ·振动力及燃烧途径 | 第31-32页 |
| ·QSK45-G6缸盖振动信号特性与数学模型 | 第32-33页 |
| ·QSK45-G6缸盖振动信号特性 | 第32页 |
| ·QSK45-G6柴油机缸盖振动信号的模型 | 第32-33页 |
| ·信号的获取及特征值的提取 | 第33-35页 |
| ·测试点的选择 | 第33-34页 |
| ·测试系统的构成 | 第34-35页 |
| ·柴油机表面振动的时域分析 | 第35-40页 |
| ·QSK45-G6表面振动信号的频谱分析 | 第40-43页 |
| 第四章 故障诊断实验分析 | 第43-61页 |
| ·特征信号的提取 | 第43-51页 |
| ·神经网络诊断 | 第51-53页 |
| ·神经网络结构的设计 | 第51-52页 |
| ·神经网络的训练与结果测试 | 第52-53页 |
| ·故障状态下的测试 | 第53-57页 |
| ·与时域分析结果的对比验证 | 第57-61页 |
| 第五章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第67页 |