第1章 绪论 | 第1-26页 |
1.1 选题背景及意义 | 第11-13页 |
1.2 柴油机故障诊断技术 | 第13-18页 |
1.3 柴油机故障诊断技术的国内外研究现状 | 第18-24页 |
1.3.1 总体概况 | 第18-19页 |
1.3.2 故障诊断方法研究现状 | 第19-22页 |
1.3.3 柴油机故障诊断技术发展的主要制约因素 | 第22-23页 |
1.3.4 柴油机故障诊断技术的发展趋势 | 第23-24页 |
1.4 本文所做的工作 | 第24-26页 |
第2章 柴油机表面振动信号的初步处理 | 第26-40页 |
2.1 信号的获取及特征提取 | 第26-29页 |
2.1.1 故障模拟试验 | 第26-28页 |
2.1.2 柴油机缸盖系统模型 | 第28-29页 |
2.2 柴油机表面振动信号的时域分析 | 第29-36页 |
2.3 柴油机表面振动信号的频谱分析 | 第36-40页 |
第3章 柴油机振动信号的时频分析 | 第40-57页 |
3.1 信号的测不准原理 | 第40-43页 |
3.2 非线性时频分布 | 第43-50页 |
3.2.1 Wigner-Ville分布 | 第44-47页 |
3.2.2 Cohen类 | 第47-49页 |
3.2.3 时频图像中信息的提取 | 第49-50页 |
3.3 柴油机振动信号的时频分析 | 第50-57页 |
3.3.1 时频分析方法的选取 | 第50-52页 |
3.3.2 柴油机振动信号的PMH分布 | 第52-57页 |
第4章 瞬时转速特征提取及故障诊断应用 | 第57-71页 |
4.1 瞬时转速的模拟计算 | 第57-61页 |
4.1.1 内燃机动力学模型的建立 | 第57-58页 |
4.1.2 计算原理 | 第58-61页 |
4.2 瞬时转速的模拟计算方法 | 第61-66页 |
4.3 瞬时转速特征参数的提取 | 第66-68页 |
4.4 瞬时转速特征参数在故障诊断中的应用 | 第68-71页 |
第5章 模糊聚类在柴油机故障诊断中的应用 | 第71-89页 |
5.1 模糊聚类分析的基本知识 | 第71-78页 |
5.2 模糊C均值聚类 | 第78-84页 |
5.2.1 模糊C均值聚类分析原理与步骤 | 第78-81页 |
5.2.2 模糊聚类的有效性分析 | 第81-82页 |
5.2.3 模糊C均值聚类算法中参数m值的优选 | 第82-84页 |
5.3 基于模糊聚类分析的柴油机故障诊断 | 第84-89页 |
5.3.1 基本原理 | 第84-85页 |
5.3.2 诊断实例 | 第85-89页 |
第6章 神经网络模式识别理论及应用 | 第89-111页 |
6.1 人工神经元 | 第89-91页 |
6.1.1 人工神经元 | 第89-90页 |
6.1.2 神经元的学习算法 | 第90-91页 |
6.2 前馈神经网络及其主要算法 | 第91-98页 |
6.2.1 前馈神经网络 | 第91页 |
6.2.2 感知器 | 第91-92页 |
6.2.3 三层前馈网络 | 第92-93页 |
6.2.4 反向传播算法(BP法) | 第93-97页 |
6.2.5 径向基函数网络 | 第97-98页 |
6.3 竞争学习和侧抑制 | 第98-99页 |
6.4 自组织特征映射 | 第99-103页 |
6.5 神经网络模式识别的典型方法 | 第103-106页 |
6.5.1 多层前馈网络用于模式识别 | 第103-104页 |
6.5.2 自组织网络用于模式识别 | 第104-106页 |
6.6 神经网络模式识别在柴油机状态分类中的应用 | 第106-111页 |
第7章 模糊推理及柴油机故障诊断ANFIS系统的建立 | 第111-132页 |
7.1 模糊推理系统的基本理论 | 第111-121页 |
7.1.1 模糊集合 | 第111-115页 |
7.1.2 模糊规则与模糊推理 | 第115-118页 |
7.1.3 模糊推理系统 | 第118-121页 |
7.2 神经模糊建模 | 第121-127页 |
7.2.1 模糊建模的一般步骤 | 第121页 |
7.2.2 结构辨识 | 第121-123页 |
7.2.3 自适应神经模糊建模 | 第123-127页 |
7.3 柴油机故障诊断的ANFIS系统 | 第127-132页 |
第8章 结论及展望 | 第132-135页 |
致谢 | 第135-136页 |
参考文献 | 第136-146页 |
攻读学位期间公开发表的论文及所做的科研工作 | 第146-147页 |