基于时频域和小波分析的F-T柴油在柴油机上的振动特性研究
摘要 | 第3-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-18页 |
1.1 选题意义 | 第10-11页 |
1.2 F-T柴油概述 | 第11-14页 |
1.2.1 F-T柴油技术路线 | 第11-12页 |
1.2.2 F-T柴油理化特性 | 第12-14页 |
1.3 F-T柴油的国内外研究现状 | 第14-15页 |
1.4 振动信号分析现状 | 第15页 |
1.5 柴油机故障诊断现状 | 第15-16页 |
1.6 选题来源和主要研究内容 | 第16-18页 |
1.6.1 选题来源 | 第16页 |
1.6.2 研究内容 | 第16-18页 |
第二章 F-T柴油与0 | 第18-32页 |
2.1 试验设备和测试系统 | 第18-20页 |
2.1.1 试验设备 | 第18-19页 |
2.1.2 测试系统 | 第19-20页 |
2.2 试验方法简述 | 第20页 |
2.3 燃烧特性 | 第20-29页 |
2.3.1 放热率 | 第20-22页 |
2.3.2 燃烧始点 | 第22-23页 |
2.3.3 滞燃期 | 第23-24页 |
2.3.4 缸内燃烧压力 | 第24-26页 |
2.3.5 压力升高率 | 第26-28页 |
2.3.6 压力振荡 | 第28-29页 |
2.4 本章小结 | 第29-32页 |
第三章 柴油机表面振动特性及信号预处理 | 第32-44页 |
3.1 振动测试系统的组成 | 第32-33页 |
3.1.1 振动信号测量 | 第32-33页 |
3.1.2 振动数据采集 | 第33页 |
3.2 柴油机振动的激振源及其传播途径 | 第33-35页 |
3.2.1 燃烧激振力 | 第34页 |
3.2.2 活塞敲击激振力 | 第34-35页 |
3.2.3 气门撞击激振力 | 第35页 |
3.2.4 排气门节流激振力 | 第35页 |
3.3 柴油机缸盖振动信号特性 | 第35-36页 |
3.4 缸盖振动信号预处理方法 | 第36-42页 |
3.4.1 信号降噪准则 | 第36页 |
3.4.2 小波降噪方法及过程 | 第36-37页 |
3.4.3 小波函数的选择 | 第37-39页 |
3.4.4 阈值的选择 | 第39页 |
3.4.5 小波降噪结果 | 第39-42页 |
3.5 本章小结 | 第42-44页 |
第四章 表面振动信号分析及特征提取 | 第44-60页 |
4.1 柴油机表面振动信号时域分析 | 第44-48页 |
4.2 柴油机表面振动信号频域分析 | 第48-51页 |
4.2.1 幅度谱分析 | 第49页 |
4.2.2 功率谱分析 | 第49-51页 |
4.3 柴油机表面振动时频域分析 | 第51-58页 |
4.3.1 短时傅立叶变换 | 第52-53页 |
4.3.2 连续小波变换 | 第53页 |
4.3.3 Wigner-Ville分布 | 第53-55页 |
4.3.4 柴油机振动信号小波包特征量提取 | 第55-58页 |
4.4 本章小结 | 第58-60页 |
第五章 表面振动信号特征值预测 | 第60-70页 |
5.1 神经网络简介 | 第60页 |
5.2 BP神经网络 | 第60-63页 |
5.2.1 BP神经网络的结构 | 第60-61页 |
5.2.2 BP算法 | 第61-63页 |
5.3 BP神经网络预测模型 | 第63-64页 |
5.3.1 网络层数 | 第63页 |
5.3.2 网络各层中的神经元个数 | 第63-64页 |
5.4 柴油机振动特征参数的神经网络预测 | 第64-69页 |
5.4.1 均值特征值预测 | 第65页 |
5.4.2 方差特征值预测 | 第65-66页 |
5.4.3 峭度特征值预测 | 第66-67页 |
5.4.4 有效值特征值预测 | 第67页 |
5.4.5 重心频率特征值预测 | 第67-68页 |
5.4.6 频率方差特征值预测 | 第68-69页 |
5.4.7 均方频率特征值预测 | 第69页 |
5.5 本章小结 | 第69-70页 |
第六章 总结与展望 | 第70-72页 |
6.1 全文总结 | 第70页 |
6.2 工作展望 | 第70-72页 |
参考文献 | 第72-78页 |
致谢 | 第78-80页 |
攻读学位期间发表的学术论文与学术成果 | 第80-81页 |