基于WPT-GA-SVM的柴油机典型故障诊断研究
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 字母注释表 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 柴油机机械故障诊断技术研究的背景和意义 | 第12-13页 |
| 1.2 柴油机机械故障诊断技术的国内外研究现状 | 第13-16页 |
| 1.2.1 传统故障特征提取研究方法 | 第14页 |
| 1.2.2 现代信号处理方法提取故障特征 | 第14-15页 |
| 1.2.3 故障识别方法研究现状 | 第15-16页 |
| 1.3 本文研究的主要内容 | 第16-18页 |
| 第二章 柴油机故障诊断基本理论方法研究 | 第18-30页 |
| 2.1 特征提取方法研究 | 第18-23页 |
| 2.1.1 连续小波变换 | 第18-19页 |
| 2.1.2 离散小波变换 | 第19-20页 |
| 2.1.3 小波包分析 | 第20-23页 |
| 2.2 模式识别方法研究 | 第23-26页 |
| 2.2.1 BP神经网络方法研究 | 第23-25页 |
| 2.2.2 GA-BP神经网络方法研究 | 第25-26页 |
| 2.3 支持向量机理论及应用研究 | 第26-28页 |
| 2.4 GA-SVM理论及应用研究 | 第28-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 柴油机典型故障实验与振动信号分析 | 第30-44页 |
| 3.1 柴油机振动特性分析 | 第30页 |
| 3.2 故障模拟试验 | 第30-32页 |
| 3.3 振动信号分析 | 第32-43页 |
| 3.3.1 气门间隙故障振动信号分析 | 第32-36页 |
| 3.3.2 喷油提前角故障振动信号分析 | 第36-40页 |
| 3.3.3 供油量故障振动信号分析 | 第40-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 柴油机故障特征提取研究 | 第44-54页 |
| 4.1 最大奇异值 | 第44-48页 |
| 4.1.1 进排气门间隙故障最大奇异值分布研究 | 第45-46页 |
| 4.1.2 喷油提前角故障最大奇异值分布研究 | 第46-47页 |
| 4.1.3 供油量故障最大奇异值分布研究 | 第47-48页 |
| 4.2 均方根值 | 第48-50页 |
| 4.2.1 气门间隙故障均方根值分布研究 | 第48-49页 |
| 4.2.2 喷油提前角故障均方根值分布研究 | 第49-50页 |
| 4.2.3 供油量故障均方根值分布研究 | 第50页 |
| 4.3 偏度值 | 第50-52页 |
| 4.3.1 气门间隙故障偏度值分布研究 | 第50-51页 |
| 4.3.2 喷油提前角故障偏度值分布研究 | 第51页 |
| 4.3.3 供油量故障偏度值分布研究 | 第51-52页 |
| 4.4 峭度值 | 第52-53页 |
| 4.4.1 气门间隙故障峭度值分布研究 | 第52页 |
| 4.4.2 喷油提前角故障峭度值分布研究 | 第52-53页 |
| 4.4.3 供油量故障峭度值分布研究 | 第53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 柴油机典型故障模式识别研究 | 第54-64页 |
| 5.1 模式识别器的参数选取 | 第54-58页 |
| 5.2 模式识别器的分类结果 | 第58-62页 |
| 5.2.1 BP神经网络分类结果研究 | 第59-60页 |
| 5.2.2 GA-BP神经网络分类结果研究 | 第60-61页 |
| 5.2.3 SVM分类结果研究 | 第61-62页 |
| 5.2.4 GA-SVM分类结果研究 | 第62页 |
| 5.3 本章小结 | 第62-64页 |
| 第六章 全文总结与展望 | 第64-66页 |
| 6.1 工作总结 | 第64-65页 |
| 6.2 工作展望 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 发表论文和参加科研情况说明 | 第70-71页 |
| 致谢 | 第71-72页 |
