| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 前言 | 第8-14页 |
| ·概述 | 第8-10页 |
| ·研究现状 | 第10-12页 |
| ·发动机故障诊断的发展历史和研究现状 | 第10-11页 |
| ·故障诊断的发展方向 | 第11-12页 |
| ·本文研究重点 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2 信息融合技术概述 | 第14-22页 |
| ·信息融合技术的定义、融合过程及其特点 | 第14-15页 |
| ·信息融合的定义 | 第14页 |
| ·融合过程 | 第14-15页 |
| ·多传感器信息融合的特点 | 第15页 |
| ·信息融合的层次结构 | 第15-17页 |
| ·信息融合系统的联结方式 | 第17-18页 |
| ·信息融合的关键问题 | 第18-19页 |
| ·信息融合的一般方法 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 3 小波分析理论基础及其在振动信号处理中的应用 | 第22-28页 |
| ·小波分析 | 第22-24页 |
| ·小波分析原理简介 | 第22-23页 |
| ·二进小波和二进小波变换 | 第23-24页 |
| ·小波多分辨率分析 | 第24-27页 |
| ·正交小波 | 第24页 |
| ·正交多分辨分析 | 第24-26页 |
| ·利用小波多分辨率分析提取发动机振动信号的特征值 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 人工神经网络理论 | 第28-47页 |
| ·神经网络的基本原理和特点 | 第28-29页 |
| ·人工神经网络模型 | 第29-31页 |
| ·BP神经网络理论 | 第31-46页 |
| ·BP神经网络的概念和结构 | 第31-33页 |
| ·BP网络的训练及算法 | 第33-37页 |
| ·BP学习算法步骤 | 第37-41页 |
| ·BP学习算法的改进 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于小波分析和神经网络的发动机气门间隙故障诊断系统 | 第47-75页 |
| ·利用小波分析对发动机气门间隙进行诊断 | 第48-56页 |
| ·BP神经网络用于发动机气门间隙故障诊断 | 第56-74页 |
| ·利用小波分析对发动机振动信号进行特征提取 | 第56-63页 |
| ·BP神经网络的建立 | 第63-74页 |
| ·本章小结 | 第74-75页 |
| 6 结论 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第81-82页 |
| 致谢 | 第82页 |