柴油發(fā)動機故障診斷技術

第1章 緒論
1．1 柴油發(fā)動機故障診斷技術研究的意義
1．2 柴油機常見的故障及故障診斷研究的內容
1．2．1 柴油機故障分類和常見的故障
1．2．2 柴油機故障診斷研究的內容
1．3 柴油機故障診斷技術的現(xiàn)狀和發(fā)展
1．3．1 柴油機狀態(tài)信號的檢測方法
1．3．2 柴油機信號處理和故障特征提取方法
1．3．3 柴油機故障模式識別技術
1．3．4 柴油機故障診斷技術的發(fā)展趨勢
第2章 傳感器與柴油機數(shù)據采集技術
2．1 傳感器的組成與分類
2．1．1 傳感器的組成
2．1．2 傳感器的分類
2．2 車載傳感技術
2．2．1 位置傳感器
2．2．2 速度與加速度傳感器
2．2．3 溫度傳感器
2．2．4 壓力傳感器
2．2．5 其他傳感器
2．3 圖像傳感技術
2．3．1 CCD圖像傳感器
2．3．2 CMOS圖像傳感器
2．3．3 圖像傳感器的應用
2．4 智能傳感技術
2．4．1 智能傳感器概述
2．4．2 智能傳感器的應用
2．5 數(shù)據采集技術
2．5．1 數(shù)據采集系統(tǒng)的結構和功能
2．5．2 采樣定理與A／D轉換
2．5．3 數(shù)據采集常用電路
2．5．4 采集數(shù)據的預處理
2．5．5 數(shù)據采集系統(tǒng)設計的一般步驟
2．6 發(fā)動機非穩(wěn)態(tài)振動信號采集系統(tǒng)
2．6．1 傳感器與測試部位的確定
2．6．2 觸發(fā)轉速和采樣頻率的選擇
2．6．3 調理電路設計
2．6．4 非穩(wěn)態(tài)信號采集的重復性設計
2．6．5 非穩(wěn)態(tài)振動信號測量與分析
2．7 本章小結
第3章 Hilbert-Huang變換與柴油機故障診斷
3．1 Hilbert-Huang變換的基本原理
3．1．1 本征模態(tài)函數(shù)（IMF）
3．1．2 經驗模態(tài)分解方法
3．1．3 Hilbert譜與Hilbert邊際譜
3．1．4 EEMlD分解原理
3．2 基于EMD-AR譜的柴油機故障特征提取
3．2．1 EMD-AR譜方法的提出
3．2．2 連桿軸承振動信號的EMD-AR譜分析
3．3 基于EEMD-SVD變換的柴油機故障特征提取
3．3．1 奇異值分解原理
3．3．2 基于EEMD和SVD的柴油機振動信號分析算法
3．3．3 基于EEMD和SVD的柴油機連桿軸承振動信號分析
3．4 本章小結
第4章 基于循環(huán)平穩(wěn)理論的柴油機故障診斷
4．1 循環(huán)平穩(wěn)理論及其應用
4．1．1 循環(huán)平穩(wěn)理論
4．1．2 循環(huán)平穩(wěn)理論的應用
4．2 柴油發(fā)動機振動信號的二階循環(huán)平穩(wěn)性分析
4．2．1 循環(huán)自相關函數(shù)及循環(huán)譜密度函數(shù)
4．2．2 基于經驗模式分解（EMD）方法的消除循環(huán)譜中交叉項的研究
4．2．3 柴油發(fā)動機振動信號的二階循環(huán)平穩(wěn)性分析
4．3 柴油發(fā)動機振動信號的高階循環(huán)平穩(wěn)性分析
4．3．1 高階統(tǒng)計量理論
4．3．2 高階循環(huán)統(tǒng)計量理論
4．3．3 柴油發(fā)動機振動信號的高階循環(huán)平穩(wěn)性分析
4．4 本章小結
第5章 基于階比跟蹤算法的柴油機故障診斷技術
5．1 階比跟蹤算法的基本理論
5．1．1 階比跟蹤技術的研究動態(tài)
5．1．2 模擬階比跟蹤技術
5．1．3 計算階比跟蹤技術
5．1．4 無轉速計階比跟蹤技術
5．1．5 階比提取技術
5．2 基于整工作循環(huán)階比跟蹤譜和FcM的柴油機故障診斷
5．2．1 整工作循環(huán)階比跟蹤譜方法
5．2．2 轉速信號的處理
5．2．3 FCM算法及擇近原則
5．2．4 應用實例
5．3 基于階比雙譜的柴油機故障特征提取
5．3．1 基于非參數(shù)法的雙譜估計
5．3．2 階比雙譜定義及仿真算例
5．3．3 應用實例
5．4 基于瞬時頻率估計的無轉速計振動信號階比跟蹤研究
5．4．1 波動變速狀態(tài)（變加速）無轉速計的階比分析仿真研究
5．4．2 基于瞬時頻率估計的無轉速計階比跟蹤算法研究
5．5 本章小結
第6章 圖像處理技術與柴油機故障診斷
6．1 基于對稱極坐標方法柴油機振動信號特征提取
6．1．1 基于對稱極坐標圖像的生成方法
6．1．2 基于對稱極坐標方法振動信號特征提取
6．2 基于灰度共生矩陣方法的柴油機振動信號特征提取
6．2．1 灰度圖像紋理特征提取方法
6．2．2 振動信號灰度圖像生成與特征提取
6．3 本章小結
第7章 粗糙集數(shù)據挖掘算法與柴油機故障診斷
7．1 數(shù)據挖掘的過程模型與數(shù)據挖掘的基本方法
7．1．1 數(shù)據挖掘的過程模型與挖掘步驟
7．1．2 數(shù)據挖掘的數(shù)據庫類型
7．1．3 常用數(shù)據挖掘方法
7．2 基于粗糙集理論的數(shù)據挖掘算法
7．2．1 決策系統(tǒng)與不可分辨關系
7．2．2 粗糙集的下近似、上近似、邊界區(qū)和近似精度
7．2．3 屬性約簡
7．2．4 粗糙集的特點
7．3 基于可變精度粗糙集理論的數(shù)據挖掘技術
7．4 基于粗糙集理論的數(shù)據挖掘舉例
7．4．1 信號處理與產生決策表
7．4．2 屬性對決策近似精度的計算
7．4．3 屬性約簡
7．4．4 決策規(guī)則產生
7．4．5 根據變精度粗糙集模型
7．5 本章小結
第8章 模糊診斷技術與柴油機故障診斷
8．1 模糊診斷基本原理及應用
8．1．1 汽車故障診斷中的模糊性
8．1．2 模糊診斷原理
8．1．3 隸屬函數(shù)的確定
8．1．4 模糊診斷矩陣的構造
8．1．5 模糊診斷方法
8．1．6 柴油機故障模糊診斷舉例
8．2 模糊規(guī)則與模糊推理系統(tǒng)及應用
8．2．1 模糊規(guī)則與模糊推理
8．2．2 模糊推理系統(tǒng)
8．3 模糊神經網絡及應用
8．3．1 神經網絡與模糊推理系統(tǒng)的關系
8．3．2 神經網絡-模糊推理系統(tǒng)融合機理
8．3．3 模糊神經網絡
8．3．4 基于集成模糊神經網絡的柴油機故障診斷
8．4 本章小結
第9章 基于信息融合技術的柴油機故障診斷
9．1 信息融合概述
9．1．1 信息融合的定義
9．1．2 信息融合的數(shù)學依據
9．1．3 信息融合的級別
9．2 D-S證據理論基本原理
9．2．1 基本概念
9．2．2 合成和決策規(guī)則
9．2．3 SVDD與證據理論的結合
9．3 基于SVDD和D-S理論的柴油機故障診斷實例
9．3．1 兩級信息融合的柴油機故障診斷模型
9．3．2 基于兩級信息融合技術的曲軸軸承故障診斷
9．4 本章小結
第10章 高壓共軌電控系統(tǒng)故障診斷與維修
10．1 電控系統(tǒng)故障檢測程序和方法
10．1．1 故障診斷的基本原則
10．1．2 電控發(fā)動機故障診斷的基本方法
10．1．3 電控發(fā)動機故障診斷的基本流程
10．1．4 故障征兆的模擬方法
10．1．5 基本檢查
10．2 汽車自診斷系統(tǒng)
lO．2．1 自診斷原理與故障碼
10．2．2 自診斷故障信息顯示
10．2．3 第二代隨車診斷系統(tǒng)（OBD-Ⅱ）
10．2．4 備用系統(tǒng)
10．3 故障碼與數(shù)據流分析
10．3．1 故障碼分析
10．3．2 數(shù)據流分析
10．4 維修常用工具和儀表
10．4．1 診斷跨接線
10．4．2 測試燈
10．4．3 測試針
10．4．4 萬用表
10．4．5 診斷儀
10．5 本章小結
第11章 基于MAS的車輛故障診斷專家系統(tǒng)
11．1 Multi-Agent技術與專家系統(tǒng)
11．1．1 Agent、MAS的定義
11．1．2 專家系統(tǒng)的基本概念與設計原理
11．1．3 Muhi-Agent技術與專家系統(tǒng)
11．2 基于MAs的車輛故障診斷專家系統(tǒng)的體系結構
11．2．1 Muhi-Agent技術
11．2．2 基于MAS的軍用車輛故障診斷專家系統(tǒng)體系結構
11．2．3 各Agent模塊功能介紹
11．3 車輛故障診斷知識表達與專家系統(tǒng)知識庫設計
11．3．1 汽車故障診斷知識的表示
11．3．2 知識庫的建立與維護
11．4 推理機和解釋系統(tǒng)的分析與設計
11．4．1 推理方式
11．4．2 基于案例的推理
11．4．3 基于規(guī)則的推理
11．4．4 基于神經網絡的推理
11．4．5 解釋系統(tǒng)的分析與設計
11．5 基于MAS的車輛故障診斷專家系統(tǒng)集成與應用舉例
11．5．1 基于MAS的軍用車輛故障診斷專家系統(tǒng)集成
11．5．2 基于MAS的車輛故障診斷專家系統(tǒng)應用舉例
11．6 本章小結
參考文獻