| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-17页 |
| ·课题的研究背景和意义 | 第10-11页 |
| ·选题依据和背景 | 第10页 |
| ·课题研究的目的、理论意义和实际应用价值 | 第10-11页 |
| ·柴油机故障诊断技术研究现状及发展 | 第11-13页 |
| ·国内外研究现状 | 第11-12页 |
| ·柴油机故障诊断发展趋势 | 第12-13页 |
| ·差分进化算法研究现状 | 第13-14页 |
| ·粒子群优化算法研究现状 | 第14-15页 |
| ·论文研究的主要内容 | 第15-17页 |
| 2 柴油机振动信号的分析与处理 | 第17-29页 |
| ·柴油机的基本知识 | 第17-21页 |
| ·柴油机基本结构 | 第17-19页 |
| ·柴油机工作原理及其典型故障模式 | 第19-21页 |
| ·柴油机振动的激励源及其传播途径 | 第21-22页 |
| ·振动信号的采集与预处理 | 第22-25页 |
| ·测试方案确定 | 第22-23页 |
| ·故障模式设置 | 第23页 |
| ·测点位置的布置 | 第23-24页 |
| ·信号采集、转化、存储 | 第24-25页 |
| ·小波提取特征值 | 第25-29页 |
| 3 差分进化与粒子群算法理论 | 第29-41页 |
| ·差分进化算法理论介绍 | 第29-34页 |
| ·差分进化算法基本思想 | 第29页 |
| ·标准差分进化算法 | 第29-30页 |
| ·差分进化算法特点 | 第30-31页 |
| ·差分进化算法扩展模式 | 第31-32页 |
| ·差分进化算法参数介绍 | 第32-33页 |
| ·差分进化算法主要应用 | 第33-34页 |
| ·粒子群算法理论介绍 | 第34-41页 |
| ·粒子群算法基本思想 | 第34-37页 |
| ·标准粒子群算法 | 第37-38页 |
| ·粒子群算法特点 | 第38页 |
| ·粒子群算法参数介绍 | 第38-39页 |
| ·粒子群算法主要应用 | 第39-41页 |
| 4 神经网络理论 | 第41-54页 |
| ·神经网络基本理论 | 第41-44页 |
| ·神经网络数学基础 | 第41-42页 |
| ·神经网络主要应用 | 第42页 |
| ·神经网络主要特点 | 第42-43页 |
| ·神经网络的拓扑结构 | 第43-44页 |
| ·BP神经网络基础 | 第44-50页 |
| ·BP网络基本结构 | 第44-45页 |
| ·BP网络设计技巧 | 第45-46页 |
| ·BP网络基本流程 | 第46-48页 |
| ·BP网络优缺点 | 第48-49页 |
| ·BP网络提高预测能力方法 | 第49-50页 |
| ·基于DE和PSO混合算法优化神经网络算法 | 第50-54页 |
| 5 柴油机故障识别 | 第54-67页 |
| ·故障识别基本流程 | 第54-55页 |
| ·神经网络创建 | 第55-56页 |
| ·训练集选取 | 第56-57页 |
| ·基于DE和PSO优化神经网络柴油机故障诊断算法实现 | 第57-64页 |
| ·算法流程 | 第57-58页 |
| ·参数设置 | 第58-59页 |
| ·代码实现 | 第59-62页 |
| ·分类结果 | 第62-64页 |
| ·算法比较 | 第64-67页 |
| 6 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |