| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 字母注释表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 柴油机故障诊断技术研究的意义与内容 | 第11-13页 |
| 1.1.1 柴油机故障诊断技术研究的意义 | 第11-12页 |
| 1.1.2 柴油机故障诊断技术研究的内容 | 第12-13页 |
| 1.2 柴油机故障诊断技术国内外研究现状 | 第13-18页 |
| 1.2.1 故障诊断技术总体现状 | 第13页 |
| 1.2.2 故障特征提取 | 第13-14页 |
| 1.2.3 故障识别方法 | 第14-16页 |
| 1.2.4 神经网络故障诊断技术现状 | 第16-17页 |
| 1.2.5 支持向量机故障诊断技术现状 | 第17页 |
| 1.2.6 粒子群算法研究现状 | 第17-18页 |
| 1.3 本文研究的主要内容与方法 | 第18-19页 |
| 第二章 柴油机故障诊断基本理论方法研究 | 第19-32页 |
| 2.1 集合经验模组分解和经验模组分解的基本理论 | 第19-25页 |
| 2.1.1 经验模态分解的基本理论 | 第19-20页 |
| 2.1.2 EMD的模态混叠问题 | 第20-21页 |
| 2.1.3 EEMD的基本理论 | 第21-25页 |
| 2.2 BP神经网络方法研究 | 第25-27页 |
| 2.3 支持向量机理论及应用研究 | 第27-29页 |
| 2.3.1 支持向量机基本理论 | 第27-29页 |
| 2.3.2 多分类支持向量机 | 第29页 |
| 2.3.3 支持向量机寻优算法 | 第29页 |
| 2.4 粒子群算法 | 第29-32页 |
| 第三章 柴油机缸盖振动信号的采集 | 第32-40页 |
| 3.1 柴油机振动信号激励源及其特性 | 第32-33页 |
| 3.1.1 振动激励源分析 | 第32页 |
| 3.1.2 振动信号特性分析 | 第32-33页 |
| 3.2 柴油机振动信号采集系统 | 第33-37页 |
| 3.3 振动信号的频域分析 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 柴油机振动信号特征提取 | 第40-55页 |
| 4.1 振动信号的EEMD分析 | 第40-51页 |
| 4.2 振动信号的故障特征提取 | 第51-54页 |
| 4.2.1 奇异值分解 | 第51-52页 |
| 4.2.2 均方根值 | 第52页 |
| 4.2.3 峭度值 | 第52-53页 |
| 4.2.4 偏度值 | 第53页 |
| 4.2.5 计算各阶IMF分量的特征向量 | 第53-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 基于EEMD的柴油机故障特征提取 | 第55-61页 |
| 5.1 基于粒子群算法(PSO) 优化支持向量机的故障模式识别 | 第55-59页 |
| 5.1.1 基于PSO算法SVM参数优化 | 第55-57页 |
| 5.1.2 基于PSO优化SVM的故障特征模式识别 | 第57-59页 |
| 5.2 基于BP神经网络的故障模式识别 | 第59-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第六章 全文总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 工作展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |