首页--工业技术论文--能源与动力工程论文--内燃机论文--柴油机论文--检修与维护论文

基于模式识别的柴油机故障诊断技术研究

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

论文共147页,点击 下载论文
上一篇:鄂西山区种植业发展方向
下一篇:人本主义教育思想视野下的学校体育教育改革探讨