摘要4-6
Abstract6-11
1 绪论11-18
1.1 课题背景11
1.2 动力机械设备故障诊断技术的现状11-14
1.2.1 概述11-12
1.2.2 国内外研究现状12-14
1.3 故障诊断技术的发展趋势14
1.4 机械故障诊断的基本方法14-16
1.5 制约动力机械故障诊断发展的主要因素16
1.6 本论文研究的主要内容16-17
1.7 小结17-18
2 小波分析理论及其在信号处理中的应用18-29
2.1 小波分析理论基础18-23
2.1.1 小波分析的定义18-19
2.1.2 离散小波函数和二进小波变换19-20
2.1.3 Doubechies(dbN)小波函数20-22
2.1.4 小波消噪方法22-23
2.2 小波包理论23-27
2.2.1 小波包定义24
2.2.2 利用小波包信号消噪处理24-25
2.2.3 发动机振动信号的小波包分析25-27
2.3 小波分析在信号处理和故障诊断中的应用27
2.4 小结27-29
3 神经网络理论及其在故障诊断中的应用29-42
3.1 神经网络简介29-32
3.1.1 神经网络的发展史29-30
3.1.2 人工神经网络的特性和应用30-31
3.1.3 神经网络的主要模型31-32
3.2 径向基神经(RBF)网络32-35
3.2.1 径向基神经网络模型32-35
3.2.2 径向基网络的工作特性35
3.3 概率神经网络(PNN)35-40
3.3.1 概率神经网络模型36-37
3.3.2 基于模式识别的Bayes 判决理论37-38
3.3.3 概率神经网络的数学描述38-39
3.3.4 概率神经网络的特点39-40
3.4 神经网络在故障诊断中的应用40-41
3.5 小结41-42
4 发动机振动特性与试验方法42-53
4.1 发动机振动特性42-44
4.1.1 柴油机的基本组成结构42-43
4.1.2 柴油机振动特性分析43-44
4.1.3 柴油机振动力传播途径44
4.2 发动机振动信号的采集44-47
4.2.1 测点位置的选择44-45
4.2.2 信号采集45-47
4.3 试验系统47-51
4.3.1 试验仪器与软件简介47-50
4.3.2 试验设备的主要技术参数50-51
4.4 试验51-52
4.5 小结52-53
5 柴油发动机故障诊断方法研究53-62
5.1 训练样本的确定53-56
5.2 网络结构的确定56-57
5.3 故障诊断模型的建立57-58
5.4 基于PNN 的发动机故障诊断模型仿真58-61
5.5 小结61-62
6 和展望62-64
6.1 62
6.2 展望62-64