| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1. 绪论 | 第9-15页 |
| ·选题的目的和意义 | 第9-10页 |
| ·PSO（粒子群）算法研究现状 | 第10-12页 |
| ·柴油机故障诊断技术研究现状 | 第12-14页 |
| ·柴油机常用的故障诊断方法 | 第12页 |
| ·神经网络技术在柴油机故障诊断中的应用 | 第12-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 2. 粒子群优化算法 | 第15-33页 |
| ·基本粒子群优化算法 | 第15-21页 |
| ·基本思想 | 第15-16页 |
| ·数学描述 | 第16-17页 |
| ·程序实现的伪代码 | 第17-18页 |
| ·算法流程图 | 第18-19页 |
| ·算法特点 | 第19页 |
| ·算法特征 | 第19-21页 |
| ·标准粒子群优化算法 | 第21-22页 |
| ·惯性权重（intertia weight）的引入 | 第21页 |
| ·收缩因子（constriction factor）的引入 | 第21-22页 |
| ·粒子群优化算法的收敛性分析 | 第22-28页 |
| ·实验性分析 | 第22-23页 |
| ·数学分析 | 第23-27页 |
| ·基本粒子群优化算法收敛性分析 | 第27-28页 |
| ·带收缩因子的粒子群优化算法收敛性分析 | 第28页 |
| ·粒子群优化算法参数的选取 | 第28-30页 |
| ·与其他演化算法的比较 | 第30-31页 |
| ·与演化规划的比较 | 第30页 |
| ·与遗传算法的比较 | 第30-31页 |
| ·粒子群算法的具体应用 | 第31-32页 |
| ·本章小节 | 第32-33页 |
| 3. 基于粒子群优化的神经网络模型的建立 | 第33-42页 |
| ·人工神经网络 | 第33-35页 |
| ·人工神经网络的发展 | 第33-34页 |
| ·神经网络的特性及其应用领域 | 第34-35页 |
| ·RBF 神经网络 | 第35-37页 |
| ·RBF 神经网络模型 | 第35-36页 |
| ·RBF 神经网络结构分析 | 第36页 |
| ·基函数中心个数的确定 | 第36-37页 |
| ·进化计算在神经网络优化中的应用 | 第37-38页 |
| ·基于粒子群优化的神经网络学习算法 | 第38-41页 |
| ·PSO 算法的编码和适应度函数 | 第39-40页 |
| ·PSO 学习算法的基本步骤 | 第40页 |
| ·PSO 学习算法的性能评价指标 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 4. 柴油机故障诊断实验 | 第42-62页 |
| ·柴油机状态信号的检测 | 第42-45页 |
| ·柴油机缸盖振动信号测点的选取 | 第42-44页 |
| ·柴油机缸盖振动信号采样频率的选取 | 第44页 |
| ·柴油机诊断实验构成原理示意图 | 第44-45页 |
| ·振动信号的分析 | 第45-48页 |
| ·缸盖振动信号的特性 | 第45-47页 |
| ·振动信号采集的关键技术 | 第47-48页 |
| ·信号的消噪处理 | 第48-57页 |
| ·小波分析理论 | 第49-53页 |
| ·小波消噪的步骤 | 第53页 |
| ·小波消噪中阈值选取 | 第53-54页 |
| ·实验数据消噪 | 第54-57页 |
| ·时域和频域故障特征参量的提取 | 第57-61页 |
| ·时域故障特征提取 | 第57-59页 |
| ·频域故障特征提取 | 第59-61页 |
| ·本章小节 | 第61-62页 |
| 5. 基于粒子群优化的RBF 神经网络在柴油机故障诊断中的应用 | 第62-74页 |
| ·故障诊断流程框图 | 第62页 |
| ·神经网络诊断系统的实现 | 第62-64页 |
| ·网络输入变量归一化处理 | 第63页 |
| ·网络的创建、训练和测试 | 第63-64页 |
| ·神经网络训练样本集的确定 | 第64-67页 |
| ·输入向量和输出向量的确定 | 第65页 |
| ·故障样本集的确定 | 第65-66页 |
| ·网络输出向量设计 | 第66-67页 |
| ·粒子群优化RBF 神经网络故障诊断算法实现 | 第67-71页 |
| ·粒子群优化RBF 神经网络参数的选择 | 第67页 |
| ·粒子群优化RBF 神经网络的初始化 | 第67-69页 |
| ·粒子群优化RBF 神经网络的适应度值 | 第69-70页 |
| ·粒子群优化RBF 神经网络的粒子速度和位置的计算 | 第70页 |
| ·粒子群优化RBF 神经网络的粒子适应度值更新 | 第70-71页 |
| ·粒子群优化RBF 神经网络的速度和位置更新 | 第71页 |
| ·神经网络的诊断结果与比较 | 第71-74页 |
| 6. 结论 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第79-80页 |
| 致谢 | 第80页 |
