| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·课题研究的背景和意义 | 第10-11页 |
| ·课题研究的背景 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·柴油机故障诊断技术的国内外研究现状 | 第11-15页 |
| ·传统的柴油机故障诊断技术 | 第13页 |
| ·柴油机智能诊断技术 | 第13-15页 |
| ·LabVIEW 在柴油机系统中的应用状况 | 第15-16页 |
| ·蚁群算法和支持向量机的研究状况 | 第16-17页 |
| ·本论文研究的主要内容 | 第17-18页 |
| 第2章 柴油机的故障机理分析及研究 | 第18-29页 |
| ·柴油机的基本结构 | 第18-21页 |
| ·四冲程柴油机的工作过程 | 第21页 |
| ·柴油机的振动激励源分析 | 第21-22页 |
| ·柴油机的振动信号特性分析 | 第22-23页 |
| ·柴油机的常见故障及其故障机理 | 第23-27页 |
| ·本章小结 | 第27-29页 |
| 第3章 基于 LabVIEW 的柴油机实验平台的搭建 | 第29-44页 |
| ·柴油机实验台的主要组成部件 | 第29-30页 |
| ·测点的设定 | 第30-31页 |
| ·典型的故障设置 | 第31-33页 |
| ·测试系统的硬件结构 | 第33-37页 |
| ·测试系统的软件界面设计 | 第37-43页 |
| ·人机交互界面 | 第38-41页 |
| ·数据采集的处理模块设计 | 第41页 |
| ·数据的存储与波形显示 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 支持向量机的算法研究 | 第44-53页 |
| ·机器学习的理论基础 | 第44-45页 |
| ·统计学习理论 | 第45-47页 |
| ·支持向量机的理论 | 第47-52页 |
| ·支持向量机的分类 | 第47-50页 |
| ·支持向量机的核函数 | 第50-52页 |
| ·支持向量机的参数选择 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第5章 柴油机故障诊断信号处理 | 第53-80页 |
| ·基于小波变换的采集信号降噪 | 第53-57页 |
| ·信噪分离 | 第54页 |
| ·降噪效果评价指标 | 第54-57页 |
| ·时域特性和频域特性的分析及特征参数提取 | 第57-63页 |
| ·时域和频域特性分析 | 第57-61页 |
| ·基于时域频域分析法的特征值提取 | 第61-63页 |
| ·基于小波包能量谱的分析和特征值提取 | 第63-67页 |
| ·支持向量机的柴油机故障分类 | 第67-70页 |
| ·基于蚁群优化支持向量机的柴油机故障分类 | 第70-79页 |
| ·基于 ACO-SVM 的参数优化 | 第70页 |
| ·ACO 算法的基本原理 | 第70-71页 |
| ·蚁群算法的 SVM 分类器优化 | 第71-74页 |
| ·代码的实现 | 第74-75页 |
| ·分类结果 | 第75-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-81页 |
| 参考文献 | 第81-86页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第86-87页 |
| 致谢 | 第87-88页 |