| 第一章 绪论 | 第1-23页 |
| 1．1 课题来源及研究的目的和意义 | 第10-11页 |
| 1．2 国内外的研究现状、存在问题及发展趋势 | 第11-20页 |
| 1．2．1 国内外研究现状 | 第11-19页 |
| 1．2．2 存在的问题 | 第19-20页 |
| 1．2．3 发展趋势 | 第20页 |
| 1．3 论文的主要研究内容 | 第20-23页 |
| 第二章 离散信号的频域分析及窗谱校正方法研究 | 第23-39页 |
| 2．1 离散信号的频谱分析方法 | 第23-25页 |
| 2．2 单频率谐波离散频谱的误差原因分析 | 第25-27页 |
| 2．3 离散频谱信号的窗谱校正方法及仿真分析 | 第27-34页 |
| 2．3．1 窗谱校正方法 | 第27-29页 |
| 2．3．2 窗谱校正计算示例 | 第29-33页 |
| 2．3．3 仿真计算 | 第33-34页 |
| 2．4 基于ZOOM-FFT的频谱校正方法及仿真计算 | 第34-36页 |
| 2．4．1 基于ZOOM-FFT的频谱校正方法 | 第34-35页 |
| 2．4．2 仿真计算 | 第35-36页 |
| 2．5 样本分析长度对窗谱校正精度的影响分析 | 第36-38页 |
| 2．6 本章小结 | 第38-39页 |
| 第三章 柴油机缸盖振动信号特性及典型故障的振动诊断机理研究 | 第39-53页 |
| 3．1 引言 | 第39页 |
| 3．2 柴油机缸盖振动信号特性分析及信号检测 | 第39-47页 |
| 3．2．1 柴油机缸盖振动信息模型 | 第39-40页 |
| 3．2．2 缸盖振动信号的时域特性与抽区间采样分析法 | 第40-42页 |
| 3．2．3 缸盖振动信号的频域特性 | 第42页 |
| 3．2．4 缸盖振动信号的循环波动特性 | 第42-44页 |
| 3．2．5 柴油机缸盖振动信号检测 | 第44-47页 |
| 3．3 柴油机气门间隙异常的振动诊断机理 | 第47-51页 |
| 3．3．1 气门机构动力学分析 | 第47-49页 |
| 3．3．2 气门间隙异常的振动诊断机理 | 第49-51页 |
| 3．4 柴油机气门漏气故障的振动诊断机理 | 第51-52页 |
| 3．5 本章小结 | 第52-53页 |
| 第四章 柴油机供油系统及典型故障的燃油压力波动分析 | 第53-62页 |
| 4．1 引言 | 第53页 |
| 4．2 柴油机供油系统及燃油喷射过程简介 | 第53-55页 |
| 4．2．1 柴油机供油系统简介 | 第53-54页 |
| 4．2．2 燃油喷射过程 | 第54-55页 |
| 4．3 柴油机高压油路故障机理分析 | 第55-58页 |
| 4．3．1 三偶件磨损 | 第55-58页 |
| 4．3．2 喷油压力的改变 | 第58页 |
| 4．3．3 供油提前角变化 | 第58页 |
| 4．4 柴油机供油系统典型故障的燃油压力检测及波动分析 | 第58-60页 |
| 4．5 本章小结 | 第60-62页 |
| 第五章 柴油机信号特征提取方法研究 | 第62-81页 |
| 5．1 引言 | 第62-63页 |
| 5．2 基于短时AR分析的特征提取方法 | 第63-64页 |
| 5．3 基于小波多分辨率分析的特征提取方法研究 | 第64-71页 |
| 5．3．1 小波变换的基本原理及其工程理解 | 第64-69页 |
| 5．3．2 小波包变换及其改进算法 | 第69-71页 |
| 5．4 柴油机缸盖振动信号的整循环特征提取方法研究 | 第71-76页 |
| 5．4．1 基于短时AR分析的缸盖振动信号特征提取方法 | 第72-73页 |
| 5．4．2 基于小波分析的柴油机振动信号特征提取方法 | 第73-76页 |
| 5．5 燃油压力波形特征提取方法研究研究 | 第76-79页 |
| 5．5．1 高压油管压力波形的小波分解 | 第76页 |
| 5．5．2 特征参数的选择与提取 | 第76-79页 |
| 5．6 本章小结 | 第79-81页 |
| 第六章 基于模糊聚类分析的柴油机故障诊断研究 | 第81-92页 |
| 6．1 引言 | 第81-82页 |
| 6．2 模糊聚类故障诊断原理 | 第82-88页 |
| 6．2．1 模糊集的基本概念 | 第82-83页 |
| 6．2．2 模糊C-均值聚类分析原理及步骤 | 第83-85页 |
| 6．2．3 模糊聚类的有效性分析 | 第85-86页 |
| 6．2．4 模糊C-均值聚类算法中参数m值的优选 | 第86-88页 |
| 6．3 基于模糊聚类分析的柴油机故障诊断研究 | 第88-91页 |
| 6．3．1 诊断原理 | 第88页 |
| 6．3．2 诊断实例 | 第88-91页 |
| 6．4 本章小结 | 第91-92页 |
| 第七章 基于粗糙集理论的柴油机人工神经网络故障诊断技术研究 | 第92-109页 |
| 7．1 引言 | 第92页 |
| 7．2 粗糙集理论的基本内容 | 第92-99页 |
| 7．2．1 粗糙集的基本概念 | 第92-95页 |
| 7．2．2 信息系统及其简化 | 第95-99页 |
| 7．3 连续属性值的离散化 | 第99-100页 |
| 7．4 基于粗集理论的柴油机故障神经网络诊断研究 | 第100-107页 |
| 7．4．1 神经网络故障识别 | 第101-103页 |
| 7．4．2 基于粗集理论的柴油机故障神经网络诊断系统 | 第103-104页 |
| 7．4．3 诊断实例 | 第104-107页 |
| 7．5 本章小结 | 第107-109页 |
| 第八章 结论 | 第109-114页 |
| 8．1 论文的主要结论 | 第109-111页 |
| 8．2 论文的主要工作及创新点 | 第111-113页 |
| 8．3 论文中的不足及研究展望 | 第113-114页 |
| 致谢 | 第114-115页 |
| 参考文献 | 第115-124页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第124-126页 |
