基于阶次分析的发动机故障预测与识别
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-15页 |
| 1.1 课题研究背景和意义 | 第8-9页 |
| 1.2 国内外研究现状及发展动态分析 | 第9-12页 |
| 1.2.1 发动机故障诊断方法的发展 | 第10页 |
| 1.2.2 基于阶次分析的发动机的故障诊断 | 第10-12页 |
| 1.2.3 发动机故障类型的自动识别 | 第12页 |
| 1.3 研究内容与结构 | 第12-15页 |
| 1.3.1 本文的主要研究内容 | 第12-13页 |
| 1.3.2 本文的结构安排 | 第13-15页 |
| 2 基于阶次分析的发动机故障预测方案设计 | 第15-24页 |
| 2.1 发动机的工作原理和振动来源 | 第15-17页 |
| 2.1.1 发动机的工作原理 | 第15-16页 |
| 2.1.2 发动机振动的来源 | 第16-17页 |
| 2.2 德尔塔分析仪的基本工作原理 | 第17-20页 |
| 2.2.1 德尔塔分析仪 | 第17-18页 |
| 2.2.2 加速度传感器 | 第18-19页 |
| 2.2.3 阶次分析的意义 | 第19-20页 |
| 2.2.4 阶次分析原理 | 第20页 |
| 2.3 发动机故障预测整体方案设计 | 第20-24页 |
| 2.3.1 数据预处理 | 第21-22页 |
| 2.3.2 特征提取 | 第22页 |
| 2.3.3 模式识别 | 第22-24页 |
| 3 基于阶次谱的故障数据处理与分析 | 第24-53页 |
| 3.1 德尔塔分析仪的数据分析功能 | 第24-29页 |
| 3.2 典型故障的阶次谱特征 | 第29-53页 |
| 3.2.1 喷油线圈故障 | 第29-30页 |
| 3.2.2 气门故障 | 第30-36页 |
| 3.2.3 排气摇臂损坏 | 第36-41页 |
| 3.2.4 活塞开裂 | 第41-44页 |
| 3.2.5 拉缸 | 第44-45页 |
| 3.2.6 燃烧失火故障 | 第45-50页 |
| 3.2.7 飞轮故障 | 第50-53页 |
| 4 基于主成分分析和支持向量机的自动故障识别 | 第53-83页 |
| 4.0 主成分分析 | 第53-56页 |
| 4.1 FCM理论 | 第56页 |
| 4.2 PCA及FCM在发动机故障预测中的应用 | 第56-68页 |
| 4.3 统计学习基本理论 | 第68-70页 |
| 4.3.1 机器学习的基本方法 | 第68页 |
| 4.3.2 推广性的界 | 第68-69页 |
| 4.3.3 结构风险最小化原则 | 第69-70页 |
| 4.4 支持向量机 | 第70-75页 |
| 4.4.1 最优超平面 | 第70-71页 |
| 4.4.2 线性可分支持向量机 | 第71-72页 |
| 4.4.3 线性不可分支持向量机 | 第72-73页 |
| 4.4.4 非线性支持向量机 | 第73-74页 |
| 4.4.5 支持向量机的多类算法 | 第74-75页 |
| 4.5 支持向量机在发动机故障预测中的应用 | 第75-83页 |
| 5 基于Python的发动机自动诊断系统 | 第83-93页 |
| 5.1 系统开发语言 | 第83页 |
| 5.2 故障预测系统的实现 | 第83-92页 |
| 5.2.1 系统界面 | 第83-86页 |
| 5.2.2 故障预测 | 第86-88页 |
| 5.2.3 添加训练数据 | 第88-90页 |
| 5.2.4 删除训练数据 | 第90-91页 |
| 5.2.5 删除工况卡 | 第91-92页 |
| 5.3 数据库设计 | 第92-93页 |
| 结论 | 第93-94页 |
| 参考文献 | 第94-97页 |
| 致谢 | 第97-98页 |
