| 中文摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第17-33页 |
| 1.1 研究背景和意义 | 第17-18页 |
| 1.2 柴油机故障诊断技术概述 | 第18-24页 |
| 1.2.1 常用的柴油机故障方法 | 第18-23页 |
| 1.2.2 基于振动分析法的柴油机故障诊断的研究内容和一般过程 | 第23-24页 |
| 1.3 基于振动分析的柴油机故障诊断国内外研究现状 | 第24-29页 |
| 1.3.1 振动特性分析和故障机理研究 | 第24-25页 |
| 1.3.2 信号处理与故障特征提取研究 | 第25-27页 |
| 1.3.3 特征选择研究 | 第27页 |
| 1.3.4 故障模式识别研究 | 第27-29页 |
| 1.4 本文主要研究内容 | 第29-33页 |
| 第二章 柴油机缸盖振动特性分析及故障实验 | 第33-51页 |
| 2.1 引言 | 第33页 |
| 2.2 柴油机缸盖振动特性分析 | 第33-37页 |
| 2.2.1 柴油机缸盖激励源分析 | 第33-34页 |
| 2.2.2 柴油机缸盖振动信息模型 | 第34-35页 |
| 2.2.3 柴油机缸盖振动信号的时域特性 | 第35-36页 |
| 2.2.4 柴油机缸盖振动信号的频域特性 | 第36-37页 |
| 2.3 柴油机故障实验 | 第37-49页 |
| 2.3.1 故障实验I | 第37-43页 |
| 2.3.2 故障实验Ⅱ | 第43-49页 |
| 2.4 本章小结 | 第49-51页 |
| 第三章 基于固有时间尺度分解的振动信号处理方法研究 | 第51-61页 |
| 3.1 引言 | 第51页 |
| 3.2 常用的非平稳信号分析方法 | 第51-53页 |
| 3.2.1 EMD | 第51-52页 |
| 3.2.2 LMD | 第52-53页 |
| 3.3 ITD方法 | 第53-54页 |
| 3.3.1 ITD原理 | 第53-54页 |
| 3.3.2 ITD与EMD和LMD对比 | 第54页 |
| 3.4 ITD边际谱在柴油机配气机构故障诊断中的应用 | 第54-60页 |
| 3.4.1 ITD边际谱定义 | 第55页 |
| 3.4.2 基于ITD边际谱和马氏距离的柴油机配气机构故障诊断 | 第55-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第四章 基于相关向量机的模式识别方法研究 | 第61-73页 |
| 4.1 引言 | 第61页 |
| 4.2 常用模式识别方法 | 第61-63页 |
| 4.2.1 k-NN | 第61-62页 |
| 4.2.2 BP神经网络 | 第62-63页 |
| 4.2.3 支持向量机 | 第63页 |
| 4.3 相关向量机 | 第63-67页 |
| 4.3.1 RVM原理 | 第64-65页 |
| 4.3.2 RVM快速算法 | 第65-66页 |
| 4.3.3 RVM核函数 | 第66-67页 |
| 4.4 RVM多分类策略 | 第67-71页 |
| 4.4.1 常用RVM多分类策略简介 | 第67-69页 |
| 4.4.2 SDAG | 第69-71页 |
| 4.4.3 PECOC | 第71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 基于IITD和SDAG-RVM的柴油机配气机构故障诊断方法 | 第73-91页 |
| 5.1 引言 | 第73页 |
| 5.2 ITD方法的不足 | 第73-74页 |
| 5.2.1 插值方法 | 第73页 |
| 5.2.2 分量判据 | 第73页 |
| 5.2.3 端点效应 | 第73-74页 |
| 5.2.4 终止条件 | 第74页 |
| 5.3 IITD方法 | 第74-78页 |
| 5.3.1 IITD方法流程 | 第74-76页 |
| 5.3.2 仿真分析 | 第76-78页 |
| 5.4 IITD和SDAG-RVM在柴油机配气机构故障诊断中的应用 | 第78-84页 |
| 5.4.1 故障特征定义 | 第78-79页 |
| 5.4.2 基于IITD和SDAG-RVM的配气机构故障诊断方法 | 第79-80页 |
| 5.4.3 故障诊断结果 | 第80-83页 |
| 5.4.4 特征提取方法对比 | 第83-84页 |
| 5.4.5 模式识别方法对比 | 第84页 |
| 5.5 CEIITD方法 | 第84-90页 |
| 5.5.1 IITD方法的模态混叠问题 | 第85-86页 |
| 5.5.2 EIITD方法 | 第86-88页 |
| 5.5.3 CEIITD方法 | 第88-90页 |
| 5.6 本章小结 | 第90-91页 |
| 第六章 基于自适应Wigner分布、改进FCBF和PECOC-RVM的柴油机燃油系统与配气机构故障诊断方法 | 第91-117页 |
| 6.1 引言 | 第91页 |
| 6.2 自适应Wigner分布 | 第91-96页 |
| 6.2.1 Wigner分布原理 | 第91-92页 |
| 6.2.2 Wigner分布交叉项问题 | 第92页 |
| 6.2.3 自适应Wigner分布算法流程 | 第92-93页 |
| 6.2.4 仿真分析 | 第93-96页 |
| 6.3 基于信息度量的特征选择方法 | 第96-103页 |
| 6.3.1 特征选择方法基本流程 | 第96-99页 |
| 6.3.2 基于互信息的特征选择算法 | 第99-102页 |
| 6.3.3 改进FCBF方法 | 第102-103页 |
| 6.4 自适应Wigner分布、改进FCBF和PECOC-RVM在柴油机燃油系统与配气机构故障诊断中的应用 | 第103-115页 |
| 6.4.1 故障特征定义 | 第103-108页 |
| 6.4.2 基于自适应Wigner分布、改进FCBF和PECOC-RVM的故障诊断方法 | 第108-109页 |
| 6.4.3 实验分析 | 第109-113页 |
| 6.4.4 对比分析 | 第113-115页 |
| 6.5 本章小结 | 第115-117页 |
| 第七章 基于多级Adaboost-RVM的柴油机燃油系统与配气机构故障诊断方法 | 第117-133页 |
| 7.1 引言 | 第117-118页 |
| 7.2 KFCM原理 | 第118-122页 |
| 7.2.1 c-均值聚类 | 第118-119页 |
| 7.2.2 FCM | 第119-120页 |
| 7.2.3 KFCM | 第120-122页 |
| 7.3 Adaboost-RVM | 第122-125页 |
| 7.3.1 Adaboost原理 | 第122-123页 |
| 7.3.2 Adaboost-RVM方法 | 第123-124页 |
| 7.3.3 多级Adaboost-RVM方法 | 第124-125页 |
| 7.4 多级Adaboost-RVM在柴油机燃油系统与配气机构故障诊断中的应用 | 第125-132页 |
| 7.4.1 故障特征定义 | 第125页 |
| 7.4.2 基于多级Adaboost-RVM的柴油机燃油系统与配气机构故障诊断方法流程 | 第125-126页 |
| 7.4.3 故障诊断结果 | 第126-131页 |
| 7.4.4 对比分析 | 第131-132页 |
| 7.5 本章小结 | 第132-133页 |
| 第八章 总结与展望 | 第133-137页 |
| 8.1 全文总结 | 第133-134页 |
| 8.2 工作展望 | 第134-137页 |
| 参考文献 | 第137-149页 |
| 发表论文和参加科研情况说明 | 第149-151页 |
| 致谢 | 第151-152页 |
