柴油机智能化故障诊断技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

柴油机智能化故障诊断技术PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

目录1

第一章　绪论1

1.1　故障及故障诊断技术的范畴和分类1

1.1.1　故障的范畴和分类1

1.1.2　故障诊断技术的范畴和分类3

1.2　设备故障诊断的目的和意义6

1.3　柴油机常见故障及故障诊断研究的内容7

1.3.1　柴油机故障分类及主要故障模式7

1.3.2　柴油机故障诊断的研究内容9

1.3.3　柴油机故障诊断方法评述13

1.4　柴油机故障诊断技术的现状及发展趋势17

1.4.1 国内外的研究现状17

1.4.2　存在的问题21

1.4.3　发展趋势22

第二章　工程信号分析基础23

2.1　信号的幅域分析23

2.2　信号的时域分析25

2.2.1 自相关分析26

2.2.2　互相关分析27

2.3　信号的频域分析28

2.3.1　频域分析的概念28

2.3.2　自功率谱密度分析29

2.3.3　互功率谱密度分析33

2.4　窗口傅里叶变换及其窗谱校正35

2.4.1　窗函数36

2.4.2　加窗傅氏变换及其频谱误差38

2.4.3　窗谱校正方法40

2.4.4　窗谱校正计算示例42

2.4.5　样本分析长度对窗谱校正精度的影响46

2.5　细化谱分析47

2.5.1　细化幅值谱49

2.5.2　细化相位谱50

2.5.3　仿真计算51

2.6　时间序列分析51

2.6.1　时序模型结构及定阶52

2.6.2　AR（n）模型时序建模的参数估计53

2.6.3　时序模型的特性56

2.7　小结58

第三章　柴油机缸盖振动信号特性及典型故障的振动诊断机理60

3.1　概述60

3.2　柴油发动机的动力平衡性61

3.3　柴油机缸盖振动信号的检测方法61

3.3.1　测点的选择61

3.3.2　采样频率选取62

3.3.3　整循环同步采样方法62

3.4　柴油机缸盖振动信号的特性分析64

3.4.1　柴油机缸盖振动信息模型64

3.4.2　缸盖振动信号的时域特性与抽区间采样分析法65

3.4.3　缸盖振动信号的频域特性66

3.4.4　缸盖振动信号的循环波动特性67

3.5.1 气门机构的动力学分析68

3.5　柴油机气门间隙异常的振动诊断机理68

3.5.2　气门间隙异常的振动诊断机理70

3.6　柴油机气门漏气故障的振动诊断机理71

3.7　小结72

第四章　柴油机供油系统及典型故障的燃油压力波动分析73

4.1　引言73

4.2　柴油机供油系统及燃油喷射过程简介73

4.2.1　柴油机供油系统简介73

4.2.2　燃油喷射过程74

4.3　柴油机高压油路故障机理分析75

4.3.1　三偶件磨损75

4.3.2　喷油压力的改变77

4.3.3　供油提前角变化77

4.4　柴油机供油系统典型故障的压力检测及波动分析77

4.4.1　正常燃油压力波形78

4.4.2　柱塞磨损燃油压力波形78

4.4.3　针阀磨损燃油压力波形79

4.5　小结79

5.1　引言81

第五章　柴油机信号特征提取方法81

5.2　基于短时AR分析的特征提取方法82

5.3　基于小波多分辨率分析的特征提取方法研究82

5.3.1 小波变换的基本原理及其工程理解83

5.3.2　小波包变换及其改进算法87

5.4　柴油机缸盖振动信号的整循环特征提取方法89

5.4.1　基于短时AR分析的缸盖振动信号特征提取方法89

5.4.2　基于小波分析的柴油机振动信号特征提取方法90

5.5　燃油压力波形特征提取方法92

5.5.1 高压油管压力波形的小波分解93

5.5.2　特征参数的选择与提取94

5.6　小结95

第六章　基于模糊聚类分析的柴油机故障诊断技术97

6.1　引言97

6.2　模糊数学的基本知识98

6.2.1　模糊集合的基本概念98

6.2.2　模糊集合的运算101

6.2.3　模糊关系与模糊关系矩阵102

6.2.4　模糊等价关系矩阵103

6.3　模糊聚类故障诊断原理103

6.3.1　模糊C—均值聚类分析原理及步骤103

6.3.2　模糊聚类的有效性分析105

6.3.3　模糊C—均值聚类算法中参数m值的优选106

6.4　基于模糊聚类分析的柴油机故障诊断107

6.4.1　诊断原理107

6.4.2　诊断实例108

6.5　小结110

第七章　基于粗糙集理论的柴油机人工神经网络故障诊断技术111

7.1　引言111

7.2　粗糙集理论的基本概念111

7.2.1　知识的概念111

7.2.2　不可分辨关系113

7.2.3　知识的等价、特化以及泛化115

7.2.4　近似与粗糙集115

7.2.5　约简与核117

7.3　粗糙集数据预处理及约简118

7.3.1　数据的预处理119

7.3.2　属性约简123

7.3.3　值约简127

7.4　基于粗糙集理论的柴油机故障神经网络诊断技术131

7.4.1　神经网络故障识别131

7.4.2　基于粗集理论的柴油机故障神经网络诊断系统133

7.4.3　诊断实例1134

7.4.4　诊断实例2136

7.5　小结141

第八章　柴油机故障诊断专家系统143

8.1 引言143

8.2　专家系统的诊断模型145

8.2.1　基于规则的诊断模型147

8.2.2　基于实例的诊断模型147

8.2.3　基于模糊理论的诊断模型147

8.2.4　基于人工神经网络的诊断模型148

8.3　专家系统的基本组成及原理149

8.2.5　诊断模型的发展趋势149

8.3.1　知识源150

8.3.2　推理机157

8.3.3　知识获取系统164

8.3.4　解释系统169

8.3.5　管理与控制系统171

8.3.6　用户接口171

8.4.1　概述172

8.4　基于粗糙集理论的分层发掘柴油机故障诊断专家系统172

8.4.2　分层发掘粗糙集诊断网络模型及算法173

8.4.3　诊断应用174

8.4.4　基于属性约简的产生式规则提取177

8.5　柴油机故障诊断专家系统的实现180

8.5.1　柴油发电机组各项技术参数180

8.5.2　硬件系统180

8.5.3　软件系统182

8.6　小结182

参考文献185