| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第12-32页 |
| 1.1 课题研究背景 | 第12-18页 |
| 1.1.1 高压共轨燃油喷射技术发展趋势 | 第12-14页 |
| 1.1.2 电控技术发展趋势 | 第14-16页 |
| 1.1.3 电控共轨技术其他方面的发展 | 第16-17页 |
| 1.1.4 燃油和电控系统故障是柴油机主要故障 | 第17-18页 |
| 1.2 本文研究的船用大功率柴油机电控共轨系统 | 第18-20页 |
| 1.2.1 电控共轨系统构成及部套功能 | 第18-19页 |
| 1.2.2 电控共轨系统基本工作原理 | 第19-20页 |
| 1.3 电控共轨系统故障诊断技术研究现状 | 第20-28页 |
| 1.3.1 国外技术研究现状 | 第20-24页 |
| 1.3.2 国内技术研究现状 | 第24-27页 |
| 1.3.3 存在的主要问题 | 第27-28页 |
| 1.4 开展船用电控共轨系统在线诊断技术研究的意义 | 第28-29页 |
| 1.5 本文主要研究内容 | 第29-32页 |
| 第2章 基于在线测试技术的诊断策略研究 | 第32-58页 |
| 2.1 在线测试(BIT)技术的基础理论 | 第32-33页 |
| 2.1.1 基本概念 | 第32-33页 |
| 2.1.2 在线测试(BIT)系统的数学模型 | 第33页 |
| 2.2 基于FMEA方法的系统故障及失效模式分析 | 第33-47页 |
| 2.2.1 电控共轨子系统FMEA分析 | 第34-36页 |
| 2.2.2 电控高压油泵FMEA分析 | 第36-37页 |
| 2.2.3 共轨管FMEA分析 | 第37-38页 |
| 2.2.4 限流阀FMEA分析 | 第38-39页 |
| 2.2.5 电控喷油器FMEA分析 | 第39-41页 |
| 2.2.6 喷射控制单元FMEA分析 | 第41-42页 |
| 2.2.7 电源处理模块FMEA分析 | 第42-43页 |
| 2.2.8 MCU及配置电路模块FMEA分析 | 第43-44页 |
| 2.2.9 转速及相位信号处理模块FMEA分析 | 第44-45页 |
| 2.2.10 轨压信号处理模块FMEA分析 | 第45-46页 |
| 2.2.11 高压油泵电磁阀驱动模块FMEA分析 | 第46页 |
| 2.2.12 电控喷油器电磁阀驱动模块FMEA分析 | 第46-47页 |
| 2.3 基于多信号流图的系统测试性建模 | 第47-53页 |
| 2.4 基于系统多信号模型的测试性分析 | 第53-56页 |
| 2.5 基于相关性矩阵模型的在线诊断算法 | 第56页 |
| 2.6 本章小结 | 第56-58页 |
| 第3章 高压共轨故障在线测试技术研究 | 第58-101页 |
| 3.1 基本理论概述 | 第58-62页 |
| 3.1.1 RBF神经网络概述 | 第58页 |
| 3.1.2 SPC技术概述 | 第58-60页 |
| 3.1.3 蒙特卡洛(MonteCarlo,MC)算法 | 第60页 |
| 3.1.4 概率神经网络 | 第60-62页 |
| 3.2 高压共轨系统模型 | 第62-67页 |
| 3.2.1 电控高压油泵数学模型 | 第62-63页 |
| 3.2.2 高压油管及共轨管数学模型 | 第63-64页 |
| 3.2.3 限流阀数学模型 | 第64-65页 |
| 3.2.4 限压阀数学模型 | 第65页 |
| 3.2.5 电控喷油器数学模型 | 第65-67页 |
| 3.3 高压共轨系统模型标定 | 第67-75页 |
| 3.3.1 试验台及仪器介绍 | 第68-69页 |
| 3.3.2 电控喷油器模型标定 | 第69-70页 |
| 3.3.3 电控喷油器、限流阀模型联合标定 | 第70-71页 |
| 3.3.4 电控高压油泵模型标定 | 第71-73页 |
| 3.3.5 高压共轨全系统模型标定 | 第73-75页 |
| 3.4 基于在线自学习神经网络的电控喷油器计量特性故障测试 | 第75-89页 |
| 3.4.1 基于蓄压腔压力的计量特性分析 | 第75-77页 |
| 3.4.2 基于蒙特卡洛方法的特征参数容差分析 | 第77-78页 |
| 3.4.3 基于RBF神经网络的计量特性故障在线自学习测试 | 第78-79页 |
| 3.4.4 在线自学习计量特性预测网络的离线训练 | 第79-83页 |
| 3.4.5 面向“群体”特征的预测网络在线自适应学习算法 | 第83-88页 |
| 3.4.6 基于SPC原理的计量特性一致性超差故障测试 | 第88页 |
| 3.4.7 计量特性故障在线自学习测试算法验证 | 第88-89页 |
| 3.5 基于概率神经网络的限流阀故障测试 | 第89-94页 |
| 3.5.1 基于仿真计算的限流阀典型故障特征分析 | 第89-92页 |
| 3.5.2 基于概率神经网络的限流阀故障测试算法 | 第92-94页 |
| 3.6 基于泵油特性的电控高压油泵故障测试 | 第94-99页 |
| 3.6.1 基于RBF神经网络的喷油器喷油量及回油量在线辨识 | 第94-96页 |
| 3.6.2 基于泄压过程的共轨系统泄漏总量在线辨识 | 第96-98页 |
| 3.6.3 基于泵油特性的高压油泵故障在线测试算法 | 第98-99页 |
| 3.7 限压阀及管系泄漏故障在线测试 | 第99页 |
| 3.8 本章小结 | 第99-101页 |
| 第4章 喷射控制单元故障在线测试技术研究 | 第101-128页 |
| 4.1 基于物理冗余的轨压信号处理模块故障测试 | 第101-109页 |
| 4.1.1 轨压信号处理模块仿真建模及标定 | 第101-102页 |
| 4.1.2 基于仿真计算的轨压信号处理模块故障特征分析 | 第102-103页 |
| 4.1.3 基于一致性关系矩阵的故障测试算法 | 第103-106页 |
| 4.1.4 基于一致性关系矩阵的互校验算法试验验证 | 第106-109页 |
| 4.2 转速和相位信号处理模块故障在线测试 | 第109-115页 |
| 4.2.1 模块仿真建模与标定 | 第109-110页 |
| 4.2.2 典型故障模式下的特征分析 | 第110-112页 |
| 4.2.3 基于“齿周期”的转速及相位信号自校验算法 | 第112-115页 |
| 4.2.4 自校验算法验证 | 第115页 |
| 4.3 基于电流波形的喷油器电磁阀驱动电路故障在线测试 | 第115-121页 |
| 4.3.1 建模及标定 | 第115-117页 |
| 4.3.2 典型故障下的驱动电流波形特征分析 | 第117-120页 |
| 4.3.3 基于蒙特卡洛方法的特征参数容差分析 | 第120页 |
| 4.3.4 故障测试算法及试验验证 | 第120-121页 |
| 4.4 高压油泵电磁阀驱动模块故障在线测试 | 第121-126页 |
| 4.4.1 驱动电路建模及标定 | 第121-123页 |
| 4.4.2 典型故障模式下的特征分析 | 第123-125页 |
| 4.4.3 故障特征参数容差分析 | 第125-126页 |
| 4.4.4 故障测试算法 | 第126页 |
| 4.5 电源及MCU故障在线测试 | 第126页 |
| 4.6 本章小结 | 第126-128页 |
| 第5章 基于硬件在环的故障诊断策略验证 | 第128-146页 |
| 5.1 基于分布式架构的在线故障诊断系统 | 第128-129页 |
| 5.2 基于半物理仿真技术的硬件在环仿真验证平台 | 第129-135页 |
| 5.2.1 基于dSPACE的仿真模拟器硬件 | 第130-131页 |
| 5.2.2 基于Simulink的实时仿真模型 | 第131-133页 |
| 5.2.3 仿真模拟器验证 | 第133-135页 |
| 5.3 电控共轨系统故障注入及在线诊断系统验证 | 第135-144页 |
| 5.4 本章小结 | 第144-146页 |
| 第6章 全文总结与展望 | 第146-149页 |
| 6.1 全文总结和创新点 | 第146-148页 |
| 6.2 工作展望 | 第148-149页 |
| 参考文献 | 第149-157页 |
| 附录 | 第157-165页 |
| 致谢 | 第165-167页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第167页 |
