| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-24页 |
| ·选题意义 | 第12-13页 |
| ·内燃机故障诊断方法研究现状 | 第13-21页 |
| ·振动信号的非平稳性 | 第14-15页 |
| ·传统信号处理方法 | 第15页 |
| ·基于小波分解的信号降噪方法 | 第15-17页 |
| ·数学形态滤波 | 第17页 |
| ·局域波理论 | 第17-18页 |
| ·核独立分量分析 | 第18-19页 |
| ·分形理论 | 第19-20页 |
| ·支持向量机 | 第20-21页 |
| ·论文结构安排与主要工作 | 第21-24页 |
| 第二章 振动信号降噪方法研究 | 第24-40页 |
| ·引言 | 第24页 |
| ·小波降噪原理 | 第24-26页 |
| ·离散小波变换（DWT） | 第24-26页 |
| ·自适应小波包降噪原理 | 第26-28页 |
| ·最佳小波包基的选择 | 第27-28页 |
| ·小波阈值降噪方法 | 第28-33页 |
| ·传统小波阈值降噪法 | 第28-30页 |
| ·软硬阈值的改良折衷法 | 第30-32页 |
| ·自适应小波包改进阈值法 | 第32-33页 |
| ·多尺度形态滤波器 | 第33-38页 |
| ·数学形态的基本原理 | 第34页 |
| ·多尺度数学形态滤波器 | 第34-35页 |
| ·均值多尺度数学形态梯度 | 第35页 |
| ·仿真分析 | 第35-37页 |
| ·数学形态滤波在柴油机故障信号降噪中的应用 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第三章 基于局域波分解-小波能量的特征提取方法 | 第40-66页 |
| ·引言 | 第40页 |
| ·经验模态分解 | 第40-45页 |
| ·EMD的端点效应 | 第41-42页 |
| ·EMD的模态混叠现象 | 第42-43页 |
| ·总体经验模态分解 | 第43-45页 |
| ·局域均值分解的原理与算法 | 第45-55页 |
| ·LMD和EMD分解过程对比 | 第47-48页 |
| ·仿真分析 | 第48-50页 |
| ·端点效应 | 第50-51页 |
| ·端点效应比较 | 第51-55页 |
| ·端点效应抑制方法研究 | 第55-57页 |
| ·信号序列镜像延拓原理 | 第55页 |
| ·仿真分析 | 第55-57页 |
| ·基于局域波-小波能量的故障诊断方法 | 第57-65页 |
| ·基于小波包分解的频带能量分析 | 第57-58页 |
| ·基于EEMD-小波能量的特征提取方法 | 第58-62页 |
| ·基于LMD-小波能量的特征提取方法 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第四章 LMD-KICA单通道信号特征提取方法 | 第66-84页 |
| ·引言 | 第66页 |
| ·独立分量分析的基本原理 | 第66-70页 |
| ·仿真分析 | 第67-70页 |
| ·核方法的基本原理 | 第70-73页 |
| ·核独立分量分析方法 | 第70-72页 |
| ·仿真分析 | 第72-73页 |
| ·LMD-KICA信号特征提取方法 | 第73-83页 |
| ·仿真分析 | 第74-77页 |
| ·LMD-KICA方法在柴油机喷油量故障诊断中的应用 | 第77-81页 |
| ·LMD-KICA方法在柴油机气门间隙故障诊断中的应用 | 第81-83页 |
| ·本章小结 | 第83-84页 |
| 第五章 KICA-LMD-分形特征提取方法 | 第84-105页 |
| ·引言 | 第84页 |
| ·关联维数 | 第84-92页 |
| ·关联维数的G-P算法 | 第85-86页 |
| ·参数的选择 | 第86-89页 |
| ·仿真实验 | 第89-91页 |
| ·噪声对参数选择的影响 | 第91-92页 |
| ·KICA-LMD分解方法 | 第92-95页 |
| ·仿真分析 | 第92-95页 |
| ·KICA-LMD-分形方法在内燃机故障诊断中的应用 | 第95-101页 |
| ·实验方案 | 第95-98页 |
| ·关联维数参数的确定 | 第98-101页 |
| ·内燃机喷油提前角故障诊断结果及讨论 | 第101-104页 |
| ·柴油机喷油提前角故障诊断结果 | 第101页 |
| ·噪声对关联维数值的影响 | 第101-103页 |
| ·局域波分解对故障判断的影响 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第六章 LMD-KICA-相关系数模式识别法 | 第105-116页 |
| ·引言 | 第105-106页 |
| ·支持向量机（SVM） | 第106-109页 |
| ·基于LMD-KICA与相关系数的SVM模式识别方法 | 第109-110页 |
| ·相关性分析 | 第109-110页 |
| ·基于LMD-KICA相关系数的模式识别方法 | 第110页 |
| ·LMD-KICA相关系数的SVM在柴油机故障诊断中的应用 | 第110-115页 |
| ·柴油机喷油量故障诊断 | 第110-113页 |
| ·柴油机喷油提前角故障诊断 | 第113-115页 |
| ·本章小结 | 第115-116页 |
| 第七章 多特征提取分类方法及其在内燃机故障诊断中的应用 | 第116-124页 |
| ·引言 | 第116-117页 |
| ·柴油机振动信号多特征信息提取 | 第117-118页 |
| ·关联维数参数的选取 | 第117-118页 |
| ·故障分类诊断结果及讨论 | 第118-123页 |
| ·本章小结 | 第123-124页 |
| 第八章 全文总结与展望 | 第124-128页 |
| ·全文总结 | 第124-126页 |
| ·论文创新点 | 第126-127页 |
| ·研究展望 | 第127-128页 |
| 参考文献 | 第128-142页 |
| 发表论文和参加科研情况说明 | 第142-144页 |
| 致谢 | 第144-145页 |
