|
柴油发动机故障诊断技术 本书特色
张玲玲、曾锐利编*的《柴油发动机故障诊断技术》采用理论方法与应用实例相结合的方式，系统地介绍了柴油机信号采集技术、hilbert-huang变换、高阶统计量、阶比分析、图像处理技术等信号处理方法、模糊集、粗糙集、信息融合及专家系统理论与技术在柴油机故障诊断中的运用，大量新技术、新方法的应用，为柴油发动机常见故障的诊断提供了新思路、新途径。
本书内容新颖，实用性强，适合作为高等院校车辆工程、载运工具运用工程等学科专业的研究生、本科生的教材或参考书，也可供汽车工程师、汽车检测人员、汽车使用和维修人员学习与参考。
柴油发动机故障诊断技术 目录
第1章 绪论 1.1 柴油发动机故障诊断技术研究的意义 1.2 柴油机常见的故障及故障诊断研究的内容 1.2.1 柴油机故障分类和常见的故障 1.2.2 柴油机故障诊断研究的内容 1.3 柴油机故障诊断技术的现状和发展 1.3.1 柴油机状态信号的检测方法 1.3.2 柴油机信号处理和故障特征提取方法 1.3.3 柴油机故障模式识别技术 1.3.4 柴油机故障诊断技术的发展趋势第2章 传感器与柴油机数据采集技术 2.1 传感器的组成与分类 2.1.1 传感器的组成 2.1.2 传感器的分类 2.2 车载传感技术 2.2.1 位置传感器 2.2.2 速度与加速度传感器 2.2.3 温度传感器 2.2.4 压力传感器 2.2.5 其他传感器 2.3 图像传感技术 2.3.1 ccd图像传感器 2.3.2 cmos图像传感器 2.3.3 图像传感器的应用 2.4 智能传感技术 2.4.1 智能传感器概述 2.4.2 智能传感器的应用 2.5 数据采集技术 2.5.1 数据采集系统的结构和功能 2.5.2 采样定理与a／d转换 2.5.3 数据采集常用电路 2.5.4 采集数据的预处理 2.5.5 数据采集系统设计的一般步骤 2.6 发动机非稳态振动信号采集系统 2.6.1 传感器与测试部位的确定 2.6.2 触发转速和采样频率的选择 2.6.3 调理电路设计 2.6.4 非稳态信号采集的重复性设计 2.6.5 非稳态振动信号测量与分析 2.7 本章小结第3章 hilbert-huang变换与柴油机故障诊断 3.1 hilbert-huang变换的基本原理 3.1.1 本征模态函数（imf） 3.1.2 经验模态分解方法 3.1.3 hilbert谱与hilbert边际谱 3.1.4 eemld分解原理 3.2 基于emd-ar谱的柴油机故障特征提取 3.2.1 emd-ar谱方法的提出 3.2.2 连杆轴承振动信号的emd-ar谱分析 3.3 基于eemd-svd变换的柴油机故障特征提取 3.3.1 奇异值分解原理 3.3.2 基于eemd和svd的柴油机振动信号分析算法 3.3.3 基于eemd和svd的柴油机连杆轴承振动信号分析 3.4 本章小结第4章 基于循环平稳理论的柴油机故障诊断 4.1 循环平稳理论及其应用 4.1.1 循环平稳理论 4.1.2 循环平稳理论的应用 4.2 柴油发动机振动信号的二阶循环平稳性分析 4.2.1 循环自相关函数及循环谱密度函数 4.2.2 基于经验模式分解（emd）方法的消除循环谱中交叉项的研究 4.2.3 柴油发动机振动信号的二阶循环平稳性分析 4.3 柴油发动机振动信号的高阶循环平稳性分析 4.3.1 高阶统计量理论 4.3.2 高阶循环统计量理论 4.3.3 柴油发动机振动信号的高阶循环平稳性分析 4.4 本章小结第5章 基于阶比跟踪算法的柴油机故障诊断技术 5.1 阶比跟踪算法的基本理论 5.1.1 阶比跟踪技术的研究动态 5.1.2 模拟阶比跟踪技术 5.1.3 计算阶比跟踪技术 5.1.4 无转速计阶比跟踪技术 5.1.5 阶比提取技术 5.2 基于整工作循环阶比跟踪谱和fcm的柴油机故障诊断 5.2.1 整工作循环阶比跟踪谱方法 5.2.2 转速信号的处理 5.2.3 fcm算法及择近原则 5.2.4 应用实例 5.3 基于阶比双谱的柴油机故障特征提取 5.3.1 基于非参数法的双谱估计 5.3.2 阶比双谱定义及仿真算例 5.3.3 应用实例 5.4 基于瞬时频率估计的无转速计振动信号阶比跟踪研究 5.4.1 波动变速状态（变加速）无转速计的阶比分析仿真研究 5.4.2 基于瞬时频率估计的无转速计阶比跟踪算法研究 5.5 本章小结第6章 图像处理技术与柴油机故障诊断 6.1 基于对称极坐标方法柴油机振动信号特征提取 6.1.1 基于对称极坐标图像的生成方法 6.1.2 基于对称极坐标方法振动信号特征提取 6.2 基于灰度共生矩阵方法的柴油机振动信号特征提取 6.2.1 灰度图像纹理特征提取方法 6.2.2 振动信号灰度图像生成与特征提取 6.3 本章小结第7章 粗糙集数据挖掘算法与柴油机故障诊断 7.1 数据挖掘的过程模型与数据挖掘的基本方法 7.1.1 数据挖掘的过程模型与挖掘步骤 7.1.2 数据挖掘的数据库类型 7.1.3 常用数据挖掘方法 7.2 基于粗糙集理论的数据挖掘算法 7.2.1 决策系统与不可分辨关系 7.2.2 粗糙集的下近似、上近似、边界区和近似精度 7.2.3 属性约简 7.2.4 粗糙集的特点 7.3 基于可变精度粗糙集理论的数据挖掘技术 7.4 基于粗糙集理论的数据挖掘举例 7.4.1 信号处理与产生决策表 7.4.2 属性对决策近似精度的计算 7.4.3 属性约简 7.4.4 决策规则产生 7.4.5 根据变精度粗糙集模型 7.5 本章小结第8章 模糊诊断技术与柴油机故障诊断 8.1 模糊诊断基本原理及应用 8.1.1 汽车故障诊断中的模糊性 8.1.2 模糊诊断原理 8.1.3 隶属函数的确定 8.1.4 模糊诊断矩阵的构造 8.1.5 模糊诊断方法 8.1.6 柴油机故障模糊诊断举例 8.2 模糊规则与模糊推理系统及应用 8.2.1 模糊规则与模糊推理 8.2.2 模糊推理系统 8.3 模糊神经网络及应用 8.3.1 神经网络与模糊推理系统的关系 8.3.2 神经网络—模糊推理系统融合机理 8.3.3 模糊神经网络 8.3.4 基于集成模糊神经网络的柴油机故障诊断 8.4 本章小结第9章 基于信息融合技术的柴油机故障诊断 9.1 信息融合概述 9.1.1 信息融合的定义 9.1.2 信息融合的数学依据 9.1.3 信息融合的级别 9.2 d-s证据理论基本原理 9.2.1 基本概念 9.2.2 合成和决策规则 9.2.3 svdd与证据理论的结合 9.3 基于svdd和d-s理论的柴油机故障诊断实例 9.3.1 两级信息融合的柴油机故障诊断模型 9.3.2 基于两级信息融合技术的曲轴轴承故障诊断 9.4 本章小结第10章 高压共轨电控系统故障诊断与维修 10.1 电控系统故障检测程序和方法 10.1.1 故障诊断的基本原则 10.1.2 电控发动机故障诊断的基本方法 10.1.3 电控发动机故障诊断的基本流程 10.1.4 故障征兆的模拟方法 10.1.5 基本检查 10.2 汽车自诊断系统 lo.2.1 自诊断原理与故障码 10.2.2 自诊断故障信息显示 10.2.3 第二代随车诊断系统（obd-ⅱ） 10.2.4 备用系统 10.3 故障码与数据流分析 10.3.1 故障码分析 10.3.2 数据流分析 10.4 维修常用工具和仪表 10.4.1 诊断跨接线 10.4.2 测试灯 10.4.3 测试针 10.4.4 万用表 10.4.5 诊断仪 10.5 本章小结第11章 基于mas的车辆故障诊断专家系统 11.1 multi-agent技术与专家系统 11.1.1 agent、mas的定义 11.1.2 专家系统的基本概念与设计原理 11.1.3 muhi-agent技术与专家系统 11.2 基于mas的车辆故障诊断专家系统的体系结构 11.2.1 muhi-agent技术 11.2.2 基于mas的军用车辆故障诊断专家系统体系结构 11.2.3 各agent模块功能介绍 11.3 车辆故障诊断知识表达与专家系统知识库设计 11.3.1 汽车故障诊断知识的表示 11.3.2 知识库的建立与维护 11.4 推理机和解释系统的分析与设计 11.4.1 推理方式 11.4.2 基于案例的推理 11.4.3 基于规则的推理 11.4.4 基于神经网络的推理 11.4.5 解释系统的分析与设计 11.5 基于mas的车辆故障诊断专家系统集成与应用举例 11.5.1 基于mas的军用车辆故障诊断专家系统集成 11.5.2 基于mas的车辆故障诊断专家系统应用举例 11.6 本章小结参考文献
|
