| 第一章 绪论 | 第1-20页 |
| §1．1 引言 | 第11页 |
| §1．2 内燃机故障诊断与状态监测的主要方法 | 第11-16页 |
| 1．2．1 机械故障的诊断方法与分类 | 第11-12页 |
| 1．2．2 时域分析 | 第12-13页 |
| 1．2．3 频域分析 | 第13页 |
| 1．2．4 时频分析 | 第13-14页 |
| 1．2．5 模式识别 | 第14-15页 |
| 1．2．6 人工智能 | 第15-16页 |
| §1．3 国内外研究现状 | 第16-17页 |
| 1．3．1 基于噪声、振动分析的机械故障诊断技术的发展 | 第16-17页 |
| 1．3．2 噪声与振动分析技术在内燃机故障诊断中的应用 | 第17页 |
| §1．4 本文主要的研究工作 | 第17-20页 |
| 第二章 声学分析 | 第20-27页 |
| §2．1 声和噪声诊断方法 | 第20-21页 |
| 2．1．1 原理 | 第20页 |
| 2．1．2 方法 | 第20-21页 |
| §2．2 内燃机机体振动信号与噪声信号的产生机理 | 第21-24页 |
| 2．2．1 概述 | 第21-22页 |
| 2．2．2 内燃机机体振动信号的产生机理 | 第22-24页 |
| §2．3 ND2型精密声级计和倍频程滤波器 | 第24-27页 |
| 2．3．1 工作原理 | 第24-25页 |
| 2．3．2 使用方法 | 第25-27页 |
| 第三章 信号的采集、预处理与分析 | 第27-52页 |
| §3．1 概述 | 第27页 |
| §3．2 噪声信号的采集 | 第27-28页 |
| §3．3 基于DSP的噪声、振动信号阶比与时域同步平均分析 | 第28-37页 |
| 3．3．1 阶比谱分析原理 | 第29-30页 |
| 3．3．2 时域同步平均的原理 | 第30-32页 |
| 3．3．3 阶比分析与时域同步平均分析的传统方法 | 第32-33页 |
| 3．3．4 基于数字重采样技术的阶比分析与时域平均分析同步 | 第33-37页 |
| §3．4 时域波形处理及其特征参数的提取 | 第37-39页 |
| §3．5 频谱的获得及其在机械故障诊断中的应用 | 第39-42页 |
| 3．5．1 频谱分析的概念 | 第39页 |
| 3．5．2 离散傅里叶变换（DFT）和快速傅里叶变换（FFT） | 第39-40页 |
| 3．5．3 频谱分析过程中的泄漏问题和加窗处理 | 第40-41页 |
| 3．5．4 频谱分析在故障诊断中的应用 | 第41-42页 |
| §3．6 传统频域分析方法的局限性 | 第42-43页 |
| §3．7 用于非平稳信号分析的时频分析方法 | 第43-47页 |
| 3．7．1 短时傅里叶变换谱 | 第43-44页 |
| 3．7．2 小波分析技术在噪声与振动信号分析中的应用 | 第44-47页 |
| §3．8 小波变换中的奇异性检测与信号消噪 | 第47-52页 |
| 3．8．1 信号奇异性检测 | 第47-49页 |
| 3．8．2 信号小波消噪 | 第49-52页 |
| 第四章 基于噪声测量的内燃机主轴承间隙故障诊断 | 第52-68页 |
| §4．1 概述 | 第52页 |
| §4．2 实验装置及实验步骤设计 | 第52-54页 |
| 4．2．1 2100-BI柴油机实验台架及噪声信号测点的布置 | 第52-53页 |
| 4．2．2 2100BI柴油机台架实验步骤及其目的 | 第53-54页 |
| §4．3 内燃机噪声数据的特征提取技术 | 第54-62页 |
| 4．3．1 噪声信号特征图形的选取 | 第54-57页 |
| 4．3．2 噪声信号特征参数的选取 | 第57-62页 |
| §4．4 有关噪声特征参数的讨论 | 第62-64页 |
| §4．5 与振动测量法的比较 | 第64-68页 |
| 4．5．1 2100-BI柴油机实验台架及振动测点的布置 | 第64-65页 |
| 4．5．2 2100-BI柴油机台架实验步骤及其目的 | 第65页 |
| 4．5．3 振动信号特征图形及特征参数的选取 | 第65-66页 |
| 4．5．4 比较结果 | 第66-68页 |
| 第五章 基于噪声小波包图像匹配的内燃机故障诊断 | 第68-80页 |
| §5．1 引言 | 第68页 |
| §5．2 数字图像文件格式 | 第68-69页 |
| 5．2．1 计算机数字图像文件常用格式 | 第68-69页 |
| 5．2．2 MATLAB图像处理工具支持的四中基本图像类型 | 第69页 |
| §5．3 图像平均法降噪 | 第69-71页 |
| §5．4 试验及试验工况 | 第71-72页 |
| §5．5 噪声信号的小波包分解及图像生成 | 第72-76页 |
| 5．5．1 主轴承间隙故障的噪声诊断方法简述 | 第72-74页 |
| 5．5．2 小波包分解 | 第74页 |
| 5．5．3 噪声信号的时频相平面表示及图像生成 | 第74-76页 |
| §5．6 基于图像匹配的内燃机主轴承诊断模型 | 第76-77页 |
| 5．6．1 图像平均处理 | 第76-77页 |
| 5．6．2 诊断阈值的确定 | 第77页 |
| §5．7 诊断实例 | 第77-80页 |
| 第六章 模拟神经网络VLSI脉冲流技术在故障诊断中的应用分析 | 第80-92页 |
| §6．1 引言 | 第80页 |
| §6．2 MOSFET方程 | 第80-83页 |
| §6．3 基于人工神经网络的特征分类技术 | 第83-86页 |
| §6．4 单层感知器网络 | 第86-87页 |
| §6．5 EPSILON芯片和MOSFET突触 | 第87-89页 |
| 6．5．1 跨导乘法器 | 第87-89页 |
| 6．5．2 脉冲频率调制编码 | 第89页 |
| §6．6 柴油机主轴承噪声识别试验设计 | 第89-91页 |
| §6．7 结论 | 第91-92页 |
| 第七章 基于Web的远程设备状态监测与交互式维护 | 第92-102页 |
| §7．1 引言 | 第92-93页 |
| §7．2 基于Web的设备监测系统体系结构 | 第93-96页 |
| 7．2．1 基于Web的远程传感与监测系统设计 | 第93-94页 |
| 7．2．2 基于Java的故障诊断虚拟仪器（Ⅵ）设计 | 第94-95页 |
| 7．2．3 远程交互式智能故障诊断Web平台设计 | 第95-96页 |
| §7．3 系统的未来改进—Java概念引入 | 第96-97页 |
| §7．4 基于MATLAB Web Server的Web虚拟仪器应用程序开发 | 第97-101页 |
| 7．4．1 MATLAB On The Web | 第98-99页 |
| 7．4．2 程序设计(详见附录) | 第99页 |
| 7．4．3 MATLAB Web Server主要组件 | 第99-101页 |
| §7．5 结论 | 第101-102页 |
| 第八章 基于局域网络的机械故障诊断客户机／服务器软件系统 | 第102-121页 |
| §8．1 引言 | 第102页 |
| §8．2 基于ActiveX／COM的通信技术 | 第102-106页 |
| §8．3 机械故障诊断系统软件（服务器端）介绍 | 第106-121页 |
| 8．3．1 软件主要功能简介 | 第106-108页 |
| 8．3．2 软件主要运行界面介绍 | 第108-121页 |
| 第九章 结论与展望 | 第121-124页 |
| §9．1 结论 | 第121-122页 |
| §9．2 展望 | 第122-124页 |
| 参考文献 | 第124-130页 |
| 攻读博士学位期间作者所完成和发表的主要学术论文 | 第130-131页 |
| 论文创新点摘要 | 第131-132页 |
| 致谢 | 第132-133页 |
| 附录A Java组件介绍 | 第133-141页 |
| 附录B MATLAB Web Server程序设计介绍 | 第141-148页 |
