装甲车发动机故障诊断系统的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题的研究背景 | 第8-10页 |
| ·发动机故障诊断研究现状 | 第8-9页 |
| ·基于声信号分析的发动机故障诊断研究现状 | 第9-10页 |
| ·异响信号的特点和规律 | 第10-11页 |
| ·基于声信号技术的发动机故障诊断优越性 | 第11-12页 |
| ·小波分析在故障诊断中的应用 | 第12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第2章 主要噪声机理和信号采集 | 第14-26页 |
| ·发动机主要噪声源的机理分析 | 第14-19页 |
| ·发动机气体动力噪声分析 | 第14-17页 |
| ·燃烧噪声分析 | 第17页 |
| ·机械噪声分析 | 第17-18页 |
| ·发动机结构表面辐射噪声分析 | 第18-19页 |
| ·基于声信号技术的发动机故障诊断方案研究 | 第19-21页 |
| ·环境噪声的测定 | 第19-20页 |
| ·声场的确定 | 第20-21页 |
| ·测试方案的功能模块介绍 | 第21-25页 |
| ·数据采集模块 | 第21-22页 |
| ·声信号采集卡 | 第22-23页 |
| ·传声器的选择 | 第23页 |
| ·数据分析处理模块和故障识别模块 | 第23-24页 |
| ·MTALAB软件介绍 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 用于声信号处理的小波方法研究 | 第26-48页 |
| ·传统频谱分析技术 | 第26-28页 |
| ·自功率谱密度分析 | 第27-28页 |
| ·故障诊断中的传统频谱分析方法局限性 | 第28页 |
| ·小波变换基础理论 | 第28-33页 |
| ·连续小波变换 | 第28-30页 |
| ·小波包定义 | 第30-31页 |
| ·多分辨分析 | 第31-32页 |
| ·小波包分解和重构的算法 | 第32-33页 |
| ·小波降噪原理 | 第33-38页 |
| ·小波去噪基本模型 | 第34-35页 |
| ·信号降噪步骤 | 第35页 |
| ·各级阈值的确定 | 第35-37页 |
| ·分层阈值去噪法及仿真信号分析 | 第37-38页 |
| ·信号特征提取及方法改进 | 第38-47页 |
| ·基于小波系数的特征提取方法介绍 | 第39-40页 |
| ·基于小波包的特征提取方法 | 第40-41页 |
| ·基于改进小波包的特征提取方法 | 第41-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于小波神经网络的智能故障诊断系统 | 第48-64页 |
| ·小波神经网概述 | 第48-49页 |
| ·BP网络 | 第49-54页 |
| ·BP模型计算公式 | 第50-52页 |
| ·BP学习算法的改进 | 第52-54页 |
| ·算法实现及仿真实例 | 第54-63页 |
| ·故障诊断神经网络设计 | 第54-56页 |
| ·故障神经网络的训练 | 第56-59页 |
| ·基于小波神经网络的故障诊断的实现 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第5章 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
