| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·汽车故障诊断技术的研究与发展 | 第9-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·研究的主要内容 | 第11-12页 |
| ·本章小结 | 第12-13页 |
| 第二章 发动机结构及振动特性分析 | 第13-17页 |
| ·DA462 发动机的基本结构 | 第13-14页 |
| ·发动机振动激励源及传播路径 | 第14-15页 |
| ·发动机气缸体振动信号特性分析 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 小波分析、神经网络在故障诊断中的研究应用 | 第17-25页 |
| ·小波分析理论 | 第17-21页 |
| ·小波变换基本理论 | 第17-19页 |
| ·小波包基本理论 | 第19-20页 |
| ·小波包基函数的选择及特征向量提取 | 第20-21页 |
| ·BP 神经网络基本理论 | 第21-24页 |
| ·BP 神经网络及其结构 | 第21页 |
| ·BP 网络的训练及算法 | 第21-23页 |
| ·BP 神经网络学习算法的改进 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第四章 试验系统 | 第25-33页 |
| ·发动机故障诊断系统 | 第25-29页 |
| ·振动信号产生系统 | 第25-28页 |
| ·振动信号采集系统 | 第28页 |
| ·振动信号分析系统 | 第28-29页 |
| ·实验步骤 | 第29-31页 |
| ·实验参数设置 | 第29页 |
| ·实验中测点确定及注意事项 | 第29-31页 |
| ·实验方案 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第五章 BP 神经网络对缸壁间隙振动信号的诊断识别 | 第33-48页 |
| ·缸壁间隙振动信号性能分析 | 第33-37页 |
| ·振动信号时域频域分析 | 第33-35页 |
| ·功率谱分析 | 第35-37页 |
| ·基于 BP 神经网络对缸壁间隙的识别诊断 | 第37-47页 |
| ·BP 神经网络的建立 | 第37-41页 |
| ·不同 BP 神经网络对发动机缸壁间隙的诊断 | 第41-44页 |
| ·Levenberg-Marquardt 优化算法对发动机缸壁间隙的诊断 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 结论与展望 | 第48-50页 |
| ·结论 | 第48页 |
| ·问题 | 第48页 |
| ·展望 | 第48-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 在读期间取得的科研成果 | 第54-55页 |