基于数据驱动的船舶低速柴油机的故障诊断及趋势预测
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题背景及研究意义 | 第13-14页 |
| 1.2 课题研究内容来源 | 第14页 |
| 1.3 基于数据驱动的故障诊断方法综述 | 第14-16页 |
| 1.3.1 故障诊断方法分类 | 第14-16页 |
| 1.3.2 船舶柴油机故障诊断研究 | 第16页 |
| 1.4 趋势预测发展现状 | 第16-19页 |
| 1.5 本文主要研究工作及章节安排 | 第19-20页 |
| 第二章 数据预处理 | 第20-27页 |
| 2.1 引言 | 第20页 |
| 2.2 数据采集及特点分析 | 第20页 |
| 2.3 数据插值 | 第20-22页 |
| 2.4 低通滤波及比较 | 第22-26页 |
| 2.4.1 滑动平均低通滤波 | 第22-23页 |
| 2.4.2 中值低通滤波 | 第23-24页 |
| 2.4.3 高斯低通滤波 | 第24页 |
| 2.4.4 巴特沃兹低通滤波 | 第24-25页 |
| 2.4.5 切比雪夫低通滤波 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 船舶柴油机的故障诊断 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 热力学参数的选取 | 第27-33页 |
| 3.2.1 工况划分 | 第29-32页 |
| 3.2.2 热力参数的选取 | 第32-33页 |
| 3.3 故障诊断方法 | 第33-35页 |
| 3.3.1 BP神经网络 | 第33页 |
| 3.3.2 ELMAN神经网络 | 第33-35页 |
| 3.4 船舶柴油机故障诊断 | 第35-40页 |
| 3.4.1 船舶柴油机故障诊断算法 | 第35-37页 |
| 3.4.2 实例分析 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于离散小波变换的多模型数据趋势预测 | 第41-59页 |
| 4.1 引言 | 第41-42页 |
| 4.2 离散小波变换 | 第42-46页 |
| 4.2.1 小波变换原理 | 第42-44页 |
| 4.2.2 小波变换应用及选取 | 第44-46页 |
| 4.3 数据趋势预测方法 | 第46-57页 |
| 4.3.1 自回归预测 | 第46-50页 |
| 4.3.2 灰色模型预测 | 第50-52页 |
| 4.3.3 BP神经网络预测 | 第52-54页 |
| 4.3.4 RBF神经网络预测 | 第54-57页 |
| 4.4 基于离散小波变换的多模块趋势预测比较 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 船舶柴油机故障诊断及趋势预测软件开发 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 软件平台说明 | 第59页 |
| 5.3 软件设计介绍 | 第59-60页 |
| 5.4 软件具体实现 | 第60-67页 |
| 5.4.1 数据提取及可视化模块 | 第60-64页 |
| 5.4.2 船舶柴油机故障诊断模块 | 第64-65页 |
| 5.4.3 多模型趋势预测模块 | 第65-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-71页 |
| 6.1 工作总结 | 第68-70页 |
| 6.2 研究展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 在学期间的研究成果及发表的学术论文 | 第76页 |
