| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 1 概述 | 第12-20页 |
| ·课题的研究背景和目的 | 第12-13页 |
| ·课题的研究背景 | 第12页 |
| ·课题的研究目的 | 第12-13页 |
| ·课题的研究意义和研究目标 | 第13页 |
| ·课题的研究意义 | 第13页 |
| ·课题研究拟达到的目标 | 第13页 |
| ·相关技术理论的国内外研究现状 | 第13-18页 |
| ·声强测试技术研究及应用现状 | 第13-15页 |
| ·人工神经网络理论研究及应用现状 | 第15-16页 |
| ·知识工程原理及应用现状 | 第16页 |
| ·发动机故障诊断方法及研究现状 | 第16-18页 |
| ·论文主要研究内容 | 第18页 |
| ·论文布局 | 第18-20页 |
| 2 发动机声强信号的获取与分析 | 第20-41页 |
| ·发动机表面噪声分析与声学区域划分 | 第20-21页 |
| ·发动机表面噪声分析 | 第20-21页 |
| ·发动机表面声学区域划分方法 | 第21页 |
| ·发动机声强信号获取原理及方法 | 第21-24页 |
| ·声强概念与获取原理 | 第21-23页 |
| ·双传声器法声强信号获取分类 | 第23页 |
| ·直接法获取发动机声强信号 | 第23-24页 |
| ·基于虚拟仪器技术的发动机声强自动测试系统 | 第24-27页 |
| ·发动机声强自动测试系统的需求 | 第25页 |
| ·发动机声强自动测试系统组成 | 第25页 |
| ·发动机声强自动测试系统的硬件 | 第25-27页 |
| ·发动机声强自动测试系统的软件 | 第27页 |
| ·发动机声强信号获取过程 | 第27-28页 |
| ·发动机声强信号获取的精度控制 | 第28-29页 |
| ·发动机声强信号的分析方法 | 第29-30页 |
| ·发动机声强信号的频域分析方法 | 第29-30页 |
| ·发动机非平稳过程的声强信号时域分析方法 | 第30页 |
| ·发动机典型异响故障的声强信号分析 | 第30-40页 |
| ·发动机典型异响故障机理 | 第31-32页 |
| ·发动机典型异响故障声强信号的统计分析 | 第32页 |
| ·发动机声强信号的相似性和区分度 | 第32-36页 |
| ·发动机典型异响故障的频域声强信号分析 | 第36-38页 |
| ·发动机典型异响故障的时域声强信号分析 | 第38-39页 |
| ·发动机故障诊断的声强信号解析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 3 发动机故障诊断的知识融合技术研究 | 第41-56页 |
| ·知识融合技术的原则 | 第41页 |
| ·声强知识 | 第41页 |
| ·声强知识融合技术实施原则 | 第41页 |
| ·声强知识融合技术中的知识级别与层次 | 第41-42页 |
| ·声强知识融合技术的数据层融合 | 第42-45页 |
| ·发动机频域声强特征的提取 | 第42-43页 |
| ·发动机时域声强特征的提取 | 第43-45页 |
| ·声强知识的特征层融合 | 第45-47页 |
| ·声强知识的获取 | 第45-46页 |
| ·声强知识的组织 | 第46-47页 |
| ·声强知识的决策层融合 | 第47-55页 |
| ·发动机故障诊断知识库的建立 | 第47-54页 |
| ·发动机故障诊断知识库的管理 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 基于模块化神经网络的发动机故障诊断建模 | 第56-72页 |
| ·模块化神经网络的含义 | 第56页 |
| ·模块化神经网络的理论基础 | 第56-57页 |
| ·模块化神经网络架构 | 第57-59页 |
| ·模块化神经网络结构 | 第57-58页 |
| ·网络的输入特征 | 第58页 |
| ·网络的输出特征 | 第58-59页 |
| ·任务分解模块 | 第59-60页 |
| ·任务分解原则 | 第59页 |
| ·任务分解方法 | 第59页 |
| ·任务分解模块功能 | 第59-60页 |
| ·子任务模块 | 第60-67页 |
| ·子任务模块结构 | 第60页 |
| ·子任务模块的输出特征 | 第60-61页 |
| ·任务子网络结构与功能 | 第61-67页 |
| ·任务合成模块 | 第67-69页 |
| ·任务合成模块的功能 | 第67页 |
| ·任务合成模块的识别方法 | 第67-68页 |
| ·任务合成模块的工作逻辑 | 第68-69页 |
| ·声强知识与模块化神经网络的融合诊断 | 第69-71页 |
| ·声强知识与模块化神经网络的融合工作 | 第69-70页 |
| ·声强知识与模块化神经网络的融合训练 | 第70页 |
| ·声强知识与模块化神经网络的融合学习 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 5 基于声强知识与神经网络融合的发动机故障诊断模型 | 第72-81页 |
| ·发动机故障诊断模型需求分析 | 第72页 |
| ·基于声强知识与神经网络融合的发动机故障诊断模型结构 | 第72-74页 |
| ·发动机故障诊断模型框架 | 第72-73页 |
| ·发动机故障诊断模型的子系统功能 | 第73-74页 |
| ·发动机故障诊断的任务分类及映射模型 | 第74-76页 |
| ·工作任务及其映射模型 | 第74-75页 |
| ·学习任务及其映射模型 | 第75页 |
| ·训练任务及其映射模型 | 第75-76页 |
| ·发动机故障诊断模型的信息流 | 第76-79页 |
| ·发动机故障诊断模型的信息流组成 | 第76-77页 |
| ·发动机故障诊断模型的工作信息流 | 第77页 |
| ·发动机故障诊断模型的学习信息流 | 第77-78页 |
| ·发动机故障诊断模型的训练信息流 | 第78-79页 |
| ·发动机故障诊断模型的信息集成 | 第79-80页 |
| ·本章小结 | 第80-81页 |
| 6 发动机故障诊断模型的效能评估 | 第81-92页 |
| ·发动机故障诊断模型的效能评估体系 | 第81-82页 |
| ·发动机故障诊断模型的效率评估 | 第82-84页 |
| ·诊断效率 | 第82-83页 |
| ·诊断效率对诊断网络的反馈 | 第83-84页 |
| ·发动机故障诊断模型执行速率 | 第84页 |
| ·发动机故障诊断模型的精度评估 | 第84-86页 |
| ·发动机故障诊断模型的可靠性评估 | 第86-90页 |
| ·发动机故障知识库可靠性评估 | 第86-87页 |
| ·发动机故障诊断网络可靠性评估 | 第87-89页 |
| ·诊断模型可靠性评估方法 | 第89-90页 |
| ·效能评估体系工作流程 | 第90-91页 |
| ·本章小结 | 第91-92页 |
| 7 基于声强知识与模块化神经网络融合的发动机故障诊断实施 | 第92-106页 |
| ·发动机故障诊断的实施需求 | 第92-93页 |
| ·发动机故障诊断系统的结构化设计 | 第93-95页 |
| ·发动机故障诊断系统数据流分析 | 第93-94页 |
| ·发动机故障诊断系统架构设计 | 第94-95页 |
| ·发动机故障诊断软件前面板设计 | 第95-97页 |
| ·发动机故障诊断系统实施过程中的关键技术 | 第97-100页 |
| ·数据采集 | 第97-98页 |
| ·声强分析 | 第98页 |
| ·Labview访问发动机故障知识库 | 第98-99页 |
| ·Labview与Matlab混合编程实现神经网络建模 | 第99-100页 |
| ·发动机故障诊断系统应用 | 第100-104页 |
| ·发动机声强信号测试方法 | 第100-101页 |
| ·发动机声强信号测试步骤 | 第101-102页 |
| ·发动机声强测试结果 | 第102页 |
| ·发动机故障诊断系统的训练 | 第102-103页 |
| ·发动机故障诊断系统的工作 | 第103页 |
| ·发动机故障诊断系统的学习 | 第103-104页 |
| ·发动机故障诊断系统的性能测试 | 第104页 |
| ·本章小结 | 第104-106页 |
| 8 论文总结 | 第106-110页 |
| ·结论 | 第106-107页 |
| ·进一步工作 | 第107-110页 |
| 参考文献 | 第110-115页 |
| 附录A | 第115-120页 |
