基于粒子滤波信号处理的柴油机故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·本课题选题背景和依据 | 第9-10页 |
| ·本课题研究目的和意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| 2 柴油机故障诊断技术 | 第14-21页 |
| ·柴油机故障分类及机理研究 | 第14-17页 |
| ·柴油机故障分类以及原因 | 第14-16页 |
| ·柴油机故障机理分析 | 第16-17页 |
| ·柴油机振动信号特点 | 第17-18页 |
| ·柴油机振动的主要激励源 | 第17-18页 |
| ·柴油机振动信号的传播途径 | 第18页 |
| ·基于振动信号的柴油机故障诊断 | 第18-19页 |
| ·柴油机故障诊断技术发展趋势 | 第19-20页 |
| ·总结 | 第20-21页 |
| 3 粒子滤波技术 | 第21-36页 |
| ·贝叶斯估计理论 | 第21-23页 |
| ·贝叶斯定理 | 第21-22页 |
| ·贝叶斯信号处理方法 | 第22-23页 |
| ·蒙特卡洛积分 | 第23-25页 |
| ·序贯蒙特卡洛信号处理 | 第25-27页 |
| ·SIS 算法 | 第25-26页 |
| ·重采样 | 第26-27页 |
| ·粒子滤波算法 | 第27-31页 |
| ·基于重要密度函数选择的改进粒子滤波算法 | 第27-28页 |
| ·基于重采样技术的改进粒子滤波算法 | 第28页 |
| ·基于智能化思想的粒子滤波算法 | 第28-29页 |
| ·基于神经网络的粒子滤波算法 | 第29-31页 |
| ·粒子滤波算法仿真 | 第31-35页 |
| ·粒子滤波状态估计仿真 | 第31-33页 |
| ·NNWA-PF 信号降噪仿真 | 第33-35页 |
| ·小结 | 第35-36页 |
| 4 柴油机实验平台及振动信号处理 | 第36-55页 |
| ·柴油机振动信号的获取 | 第36-40页 |
| ·测试系统的构成 | 第36-37页 |
| ·测点位置的选择 | 第37-38页 |
| ·柴油机故障设置 | 第38-39页 |
| ·振动信号采样频率的选择 | 第39页 |
| ·实验步骤 | 第39-40页 |
| ·柴油机缸盖振动信号建模 | 第40-43页 |
| ·非平稳信号建模的步骤 | 第40-41页 |
| ·柴油机系统建模的步骤 | 第41-43页 |
| ·应用 ARMA 建立柴油机振动信号模型 | 第43-51页 |
| ·数据预处理 | 第43-47页 |
| ·模型定阶与辨识 | 第47-51页 |
| ·基于粒子滤波的振动信号降噪 | 第51-54页 |
| ·振动信号状态空间模型的转化 | 第51-52页 |
| ·粒子滤波降噪 | 第52-54页 |
| ·小结 | 第54-55页 |
| 5 基于神经网络的柴油机故障识别 | 第55-64页 |
| ·柴油机振动信号特征提取 | 第55-59页 |
| ·样本数据及 BP 网络结构的确定 | 第59-60页 |
| ·试验验证与比较 | 第60-63页 |
| ·实验验证 | 第60-62页 |
| ·对比分析 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第71-72页 |
| 致谢 | 第72页 |
