| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-23页 |
| ·前言 | 第10页 |
| ·课题背景 | 第10-13页 |
| ·柴油机故障诊断的意义 | 第10-11页 |
| ·柴油机故障诊断的国内外研究现状 | 第11-13页 |
| ·柴油机故障诊断技术 | 第13-18页 |
| ·柴油机故障诊断的常用方法 | 第13-17页 |
| ·柴油机故障诊断的发展趋势 | 第17-18页 |
| ·多源信息融合故障诊断技术 | 第18-21页 |
| ·特点及现状 | 第18-19页 |
| ·信息融合的典型方法 | 第19-20页 |
| ·多传感器信息融合技术的不足 | 第20页 |
| ·多传感器信息融合技术的展望 | 第20-21页 |
| ·本论文研究的主要内容 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 2 多源信息融合技术 | 第23-34页 |
| ·多源信息融合的基本原理 | 第23页 |
| ·多源信息融合的层次 | 第23-24页 |
| ·经典 D-S 证据理论 | 第24-31页 |
| ·经典 D-S 证据理论的基本概念 | 第24-26页 |
| ·经典 D-S 证据理论合成法则 | 第26-27页 |
| ·基本可信度分配函数的构造 | 第27-29页 |
| ·决策规则 | 第29页 |
| ·决策的基本过程及算例分析 | 第29-31页 |
| ·人工神经网络 | 第31-32页 |
| ·RBF 神经网络结构与学习算法 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 3 柴油机的故障机理研究 | 第34-46页 |
| ·柴油机的结构及系统 | 第34-38页 |
| ·柴油机工作的运动分析 | 第36-38页 |
| ·柴油机典型故障模式和故障特征 | 第38-39页 |
| ·柴油机典型故障模式 | 第38页 |
| ·柴油机故障的特征 | 第38-39页 |
| ·柴油机振动特性分析 | 第39-41页 |
| ·柴油机振动的激振源 | 第39-40页 |
| ·柴油机振动信号的特性 | 第40页 |
| ·振动力传播途径 | 第40-41页 |
| ·柴油机瞬时转速信号研究 | 第41-44页 |
| ·瞬时转速信号采集 | 第41页 |
| ·瞬时转速的计算 | 第41-43页 |
| ·基于瞬时转速波形分析的诊断方法 | 第43-44页 |
| ·柴油机故障诊断中的不确定性 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 4 柴油机故障诊断实验 | 第46-69页 |
| ·系统建立要求及目标 | 第46-47页 |
| ·实验系统的主要工作 | 第46页 |
| ·系统的结构原理 | 第46-47页 |
| ·柴油机工作状态信号的检测 | 第47-50页 |
| ·实验系统的工作原理 | 第47页 |
| ·实验测点的布置 | 第47-50页 |
| ·实验的具体设置 | 第50-51页 |
| ·故障工况设置 | 第50页 |
| ·振动信号采样频率的选择 | 第50页 |
| ·实验步骤 | 第50-51页 |
| ·柴油机状态信号特征值的提取 | 第51-61页 |
| ·振动信号的时域频域特性分析 | 第51-53页 |
| ·基于时域频域分析法的特征值提取 | 第53-55页 |
| ·基于小波包能量谱的特征值提取 | 第55-58页 |
| ·实验测点的对比优选 | 第58-61页 |
| ·基于小波分析的瞬时转速信号特征提取 | 第61-68页 |
| ·瞬时转速信号处理 | 第61-64页 |
| ·瞬时转速信号的分析 | 第64-68页 |
| ·本章小结 | 第68-69页 |
| 5 基于神经网络和 D-S 理论融合的柴油机故障诊断 | 第69-85页 |
| ·振动信号的故障诊断 | 第70-77页 |
| ·特征值的归一化 | 第70-72页 |
| ·各个典型测点的故障诊断结果 | 第72-77页 |
| ·D-S 证据理论的信息融合 | 第77-80页 |
| ·经典 D-S 证据理论 | 第77-78页 |
| ·加权 D-S 证据理论 | 第78-80页 |
| ·瞬时转速的故障诊断 | 第80-82页 |
| ·瞬时转速引入诊断结果 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 总结与展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间发表的论文 | 第90-91页 |
| 致谢 | 第91页 |