| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究理论意义与实用价值 | 第10-11页 |
| 1.1.1 研究理论意义 | 第10页 |
| 1.1.2 研究实用价值 | 第10-11页 |
| 1.2 柴油机故障诊断主要内容 | 第11-13页 |
| 1.2.1 研究柴油机故障机理 | 第11-12页 |
| 1.2.2 收集状态信号 | 第12页 |
| 1.2.3 选择与提取特征信息 | 第12页 |
| 1.2.4 故障分析与诊断 | 第12页 |
| 1.2.5 制定与实施维修决策 | 第12-13页 |
| 1.3 柴油机故障诊断现有方法介绍与发展趋势 | 第13-15页 |
| 1.3.1 方法介绍 | 第13-14页 |
| 1.3.2 发展趋势 | 第14-15页 |
| 1.4 柴油机故障诊断研究现状 | 第15-16页 |
| 1.5 主要研究内容 | 第16-18页 |
| 第2章 柴油机缸盖振动信号的测取及特性分析 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 柴油机缸盖信号的测取 | 第18-22页 |
| 2.2.1 传感器布置与采样频率的选择 | 第18-19页 |
| 2.2.2 实验台架 | 第19-21页 |
| 2.2.3 故障设置实验方案 | 第21-22页 |
| 2.3 柴油机缸盖振动信号特性 | 第22-26页 |
| 2.3.1 柴油机缸盖振动激励源及振动模型 | 第22-23页 |
| 2.3.2 柴油机缸盖振动信号时域特性 | 第23-25页 |
| 2.3.3 柴油机缸盖振动信号频域特性 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第3章 互补集合经验模态分解(CEEMD) | 第28-46页 |
| 3.1 引言 | 第28页 |
| 3.2 EMD方法基本原理 | 第28-33页 |
| 3.2.1 特征时间尺度 | 第28-29页 |
| 3.2.2 瞬时频率和本征模态函数(IMF) | 第29-30页 |
| 3.2.3 EMD方法筛分过程 | 第30-32页 |
| 3.2.4 EMD分解效果 | 第32-33页 |
| 3.3 EEMD与CEEMD方法原理 | 第33-40页 |
| 3.3.1 EEMD方法理论 | 第33-36页 |
| 3.3.2 CEEMD方法理论 | 第36-40页 |
| 3.4 柴油机信号降噪 | 第40-45页 |
| 3.4.1 小波降噪原理 | 第40-41页 |
| 3.4.2 基于CEEMD与小波的柴油机振动信号降噪 | 第41-43页 |
| 3.4.3 不同方法降噪效果对比 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 基于CEEMD与样本熵的柴油机故障特征提取 | 第46-60页 |
| 4.1 引言 | 第46页 |
| 4.2 基于CEEMD的柴油机振动信号分析 | 第46-51页 |
| 4.3 样本熵计算 | 第51-54页 |
| 4.3.1 近似熵 | 第52页 |
| 4.3.2 样本熵 | 第52-53页 |
| 4.3.3 近似熵与样本熵度量柴机信号效果对比 | 第53-54页 |
| 4.4 基于CEEMD与样本熵的故障特征提取 | 第54-57页 |
| 4.5 本章小结 | 第57-60页 |
| 第5章 基于PCA与SVM的柴油机故障诊断 | 第60-88页 |
| 5.1 引言 | 第60页 |
| 5.2 主元分析方法(PCA)在柴油机故障特征降维的应用 | 第60-69页 |
| 5.2.1 主元方法(PCA)基本思想 | 第60-61页 |
| 5.2.2 主元方法(PCA)分解原理 | 第61-62页 |
| 5.2.3 主元个数确定的方法 | 第62-63页 |
| 5.2.4 主元分析法(PCA)在柴油机故障诊断中的应用 | 第63-69页 |
| 5.3 支持向量机(SVM) | 第69-86页 |
| 5.3.1 统计学习核心内容 | 第69-73页 |
| 5.3.2 支持向量机(SVM)基本原理 | 第73-77页 |
| 5.3.3 支持向量机(SVM)多分类模型 | 第77-78页 |
| 5.3.4 支持向量机(SVM)在柴机故障诊断中的应用 | 第78-86页 |
| 5.4 本章小结 | 第86-88页 |
| 第6章 总结与展望 | 第88-90页 |
| 6.1 总结 | 第88-89页 |
| 6.2 展望 | 第89-90页 |
| 参考文献 | 第90-94页 |
| 攻读硕士期间发表的论文 | 第94-96页 |
| 致谢 | 第96页 |
