一、喷油泵的故障诊断数据库系统（论文文献综述）
刘原宾[1]（2021）在《柴油机燃油系统的故障诊断与健康管理》文中指出柴油机是当下最普遍使用的动力机械之一,被广泛应用于铁路牵引、油井钻探、船舶、汽车等机械领域。由于柴油机结构复杂,柴油机故障往往表现出繁杂性和多样性的特点。燃油系统对于柴油机的运行至关重要,在很大程度上决定了柴油机的经济性和可靠性,然而燃油系统故障率较高,在柴油机的故障当中大约有27%是由燃油系统故障引发的。因此,快速高效的对燃油系统进行故障诊断具有重要的意义。本文结合小波技术和神经网络技术,开发了柴油机燃油系统故障诊断系统。具体工作如下:通过查阅文献和整理厂方燃油系统故障数据,总结归纳了燃油系统常见故障发生的原因及排除故障的方法,作为健康管理模块的技术库。使用外夹式压力传感器间接获取柴油机高压油管的油压波形,为后续的诊断系统提供数据支持。研究小波分析的基础理论和方法,借助小波阈值去噪技术去除油压波形的机械噪声。同时结合油压波形的特点,通过大量实验对比了两种信号特征提取方案:（1）利用小波包频带分析技术把油压信号分解到不同的频带,并对油压信号各个频带的信号能量进行统计分析,以此区分燃油系统不同的故障。（2）油压波形中含有丰富的状态信息,提取燃油压力波形中的波形宽度、波形幅度、最大压力、起喷压力等数据作为特征参数,实验表明,此方法操作简单,提取的故障特征信息丰富,更适宜于作为神经网络的输入向量。研发了基于神经网络的燃油系统故障诊断方法,并利用实验对比不同神经网络模型的优缺点和诊断精度。通过SOM神经网络对故障数据进行无监督学习,可以有效对不同故障进行模式识别且诊断速度快。实验对比SOM和BP神经网络模型,结果表明BP神经网络满足精度要求,但容易陷入局部最优。开发SOM-BP串联神经网络模型用于燃油系统故障诊断,实验表明SOM-BP串联神经网络模型弥补了单一神经网络的缺点,且诊断精度大幅提高。开发燃油系统故障诊断系统。将燃油系统常见故障原因及解决方法、小波去噪技术、SOM-BP串联神经网络模型应用到故障诊断系统中,使用MATLAB软件中的GUI模块完成系统的开发。柴油机故障诊断系统可以实现数据的导入、小波阈值去噪、故障诊断的功能,并建立健康管理模块可随时查看故障原因及解决方案。
高宏鹏[2]（2021）在《防爆无轨胶轮车故障诊断系统研究》文中研究说明防爆无轨胶轮车在现代煤矿的辅助运输中承担着十分重要的角色,在煤矿中得到广泛的应用。由于自身的结构较为复杂,加之煤矿井下环境恶劣,存在着许多不稳定的因素,使得无轨胶轮车的故障率较高。为了保证车辆在井下的安全运行,必须加强对防爆无轨胶轮车故障诊断的研究,减少车辆故障的发生,提高车辆的运行稳定性。本文以防爆无轨胶轮车作为研究对象,分析无轨胶轮车的特性和故障特点,总结车辆各系统组成及常见故障。研究故障树分析法与专家系统的诊断特性,建立无轨胶轮车各系统故障树模型,运用“产生式规则+框架表示法”将定性分析后的故障树转化为专家系统中的知识库,解决专家系统难获取知识的问题。将模糊矩阵与层次分析法结合,判定专家对底事件的评判权重,进而获得底事件产生故障的模糊概率,解决难以获得底事件故障概率的问题。利用底事件概率完成故障树定量计算,得到底事件的重要度,将其与专家系统中的推理机相结合,解决推理规则的优先级问题。推理机采用正向推理的方式完成对系统故障的推理。故障诊断系统将故障树分析法与专家系统分析法的优势结合,经过处理后应用到无轨胶轮车的故障诊断中,提高了系统的诊断效率。在柴油机的某些部位安装传感器,通过分析监测到的数据,辅助系统进行故障诊断。本文利用SQL Server2014数据库完成防爆无轨胶轮车故障诊断系统中知识库的建立,运用C#编程语言在Visual Studio2015环境下开发出防爆无轨胶轮车故障诊断系统软件,良好的人机交互界面实现了故障诊断的功能。利用诊断系统对无轨胶轮车故障进行诊断验证,结果满足设计要求,表明故障树分析法与专家系统结合用于防爆无轨胶轮车故障诊断的可行性。
章志浩[3]（2020）在《基于局部回归神经网络的柴油机燃油喷射系统故障诊断研究》文中研究说明航运是国际主流的运输方式,柴油机是船舶的主要动力来源。柴油机燃油喷射系统作为船用柴油机重要组成部分,有必要对它的故障诊断技术进行深入研究。目前已应用的柴油机燃油喷射系统故障诊断方法往往存在缺陷和不足。例如油液分析法仅能判断使用润滑油的部件的相关故障、振动分析法信号采集困难、瞬时转速监测法只能确定故障位置但无法判断故障原因。神经网络拥有强大的并行计算能力,可以将输入向量迅速传递至神经元中进行计算和学习,其网络结构适用于解决线性空间至非线性空间的映射问题,在机械故障诊断方面表现优异。因此,本文采用将自适应遗传算法和神经网络结合的方法对柴油机燃油喷射系统进行故障诊断。在网络模型的选取方面,BP神经网络是一种多层前向模型学习算法,在结构上较为松散,有着诊断不精确、容易陷入局部极值的缺点。Elman神经网络作为一种局部回归神经网络,引入了负反馈机制,网络结构更加完整,诊断精度和速度比BP神经网络均有提高。同时,通过改进Elman神经网络的学习算法、激励函数和网络结构提高了Elman神经网络动态信息处理能力。结果表明,改进型Elman神经网络适用于在线诊断,整体诊断效果比BP神经网络更好。对遗传算法（GA）进行了详细研究,考虑到遗传算法容易陷入局部极值和鲁棒性差的缺点,提出了一种自适应遗传算法,对选择算子、变异算子和交叉算子进行了改进,有效避免了算法陷入局部最小值。利用个体适应度自适应调节遗传算法中的算子,将参数优化结果作为神经网络中的初始权值和阈值,提高了 Elman神经网络的诊断精度,避免了陷入局部最小值的情况。采用大连海事大学轮机模拟器主机系统中的VLCC型船舶进行参数提取,针对实验数据较多的情况,利用平均影响值法（MIV）剔除部分对网络输出影响较小的参数,减少了神经网络输入量,并在MATLAB环境下对船舶柴油机燃油喷射系统进行了故障仿真实验。对比三种神经网络在相同故障数据下对故障类型的辨识结果,从隶属度和诊断结果两方面对结果评价。仿真实验的结果表明:经过改进遗传算法优化的Elman神经网络诊断精度高,收敛速度快,可以有效诊断柴油机燃油喷射系统典型故障。
张志政[4]（2020）在《基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究》文中认为现代化大型船舶自动化程度日趋提高,船舶柴油机的故障监测和诊断技术已经成为提高船舶安全性和可靠性的重要方式之一。由英国柴油机工程师和用户协会提供的停机故障分析表明,造成柴油机停机后果的各种原因中燃油系统的故障占27%,比例最大。由于船舶柴油机燃油系统结构复杂,各个部件之间存在冗杂的非线性耦合关系,导致采集的样本数据具有典型的非线性多维特性,因此传统的线性方法在处理船舶燃油系统故障诊断问题时具有较大的局限性。本文以此为背景,开展了基于优化核主成分分析（Kernel Principal.Component Analysis,KPCA）和多分类支持向量机的船舶柴油机燃油系统故障监测与诊断技术研究。针对船舶燃油系统故障样本数据存在非线性强和噪声干扰的问题,首先提出采用KPCA对样本数据进行非线性特征提取,提取出样本数据特征的高维信息,其次在特征空间中构建T2和SPE统计量模型,最后通过监测样本数据统计量的变化实现了对船舶燃油系统故障的实时监测。由于KPCA性能受内部核函数参数影响,提出了基于粒子群优化核函数参数的选优方法,通过建立核函数参数优化模型,实现了 KPCA核函数参数的寻优,并对粒子群算法中惯性因子进行改进,在一定程度上防止了粒子群算法在优化过程中陷入局部最优,通过船舶燃油系统的故障监测实验表明该方法可有效减少非线性主成分个数,提高了故障监测的准确性。研究了基于多分类支持向量机进行故障诊断的方法,总结出限制多分类支持向量机故障诊断性能的两大因素:1、故障样本数据的质量;2、多分类支持向量机内核函数参数和惩罚因子的选择,在此研究基础上提出了基于粒子群优化KPCA-SVM的故障诊断方法,有效解决了船舶燃油系统故障特征非线性强、小样本分类精度低以及支持向量机参数选择难的问题,实现了三种算法的优势互补。为提高船舶柴油机燃油系统故障监测和诊断的精度,本文提出将基于KPCA的特征提取方法和多分类支持向量的故障诊断方法相结合,并采用改进的粒子群算法对KPCA和多分类支持向量机的核函数参数以及惩罚因子进行全局寻优,建立了基于粒子群优化KPCA的船舶燃油系统故障监测模型和基于粒子群优化KPCA-SVM的故障诊断模型,通过船舶燃油系统故障监测和诊断的仿真实验表明,本文提出的故障监测和诊断方法精度明显提高,验证了所提方法的有效性。
王洪峰[5]（2019）在《机车柴油机智能化管理系统平台研究》文中研究表明机车柴油机的智能化水平是我国工业智能化的重要组成部分,对轨道车辆装备发展起到革命性作用。当前柴油机技术已经朝大数据智能化方向发展,柴油机智能化管理系统的研制可以促进企业研发、生产、管理和服务水平的提高,提升核心竞争力,提高客户服务质量,降低装备维修管理成本。本文结合机车运用需求以及未来柴油机的发展,分析了生产厂商和用户对柴油机智能化管理系统的需求,论述了柴油机智能化管理系统所要具备的基本功能,并以此为设计目标,分解系统设计所需要的关键技术。研究了机车柴油机智能化管理系统的硬件架。将机车柴油机智能化管理系统分为系统感知、数据分析、预测与健康管理、全寿命可靠性、运维支持等多个系统部分。本文以某型柴油机为例进行了系统设计,构建了初步的智能化管理系统方案,进行了相关试验测试,取得了数据,验证了柴油机智能化管理系统方案的可行性,为后续设计修改与技术发展提供了借鉴。某型柴油机的智能化管理系统已上线试运行超过2年,使用状态良好。期间积累了大量的正常数据和故障数据,为今后的设计方案改进提供了依据。在试运行的2年中,该智能化管理系统也未出现大的运行故障,总体上运行比较稳定可靠。该工作达到了国内比较先进的水平。本研究表明,柴油机智能化管理系统不仅意味着运用、管理成本的降低,也增加了安全性和服务一体化水平,必将为柴油机技术发展带来巨大变革,并且可以推广到民用发电、军工装备、核电、船舶动力等领域。
郭振军[6]（2013）在《船舶柴油机燃油喷射系统维修服务模式与系统研究》文中研究指明燃油喷射系统是柴油机动力装置的重要组成部分，柴油机厂和造船厂为了进一步提高营运安全和效益，对燃油喷射系统企业的维修服务水平和深度、维修处理效率等提出了更高的要求，燃油喷射系统企业能否提供令客户满意的维修服务直接影响着其经济效益，高效的维修服务水平对企业的市场地位和用户满意度具有重要的推动作用。但是，目前燃油喷射系统企业对维修管理的重要性认识不够，管理手段落后，维修业务管理粗糙，维修决策主观性大，导致企业工人参与维修活动积极性不高、维修工作处理效率低、用户满意度差，因此，采用何种方式加强企业维修管理水平、如何消除人为决策、增加合理有效的维修决策依据，开展对这些问题的研究具有重要的实际意义和应用价值。本文首先阐述了柴油机燃油喷射系统维修的技术、方法和国内外研究现状，根据燃油喷射系统的组成结构和故障机理，提出了一种利用维修知识库进行故障诊断和维修决策的燃油喷射系统维修服务模式，通过对故障维修知识库的概念模型和知识表的设计，以及对维修决策过程策略的探讨，为企业提供了一种新的维修管理方式和辅助决策方法。然后，在燃油喷射系统维修服务模式的研究基础上，对其维修决策支持系统进行了设计。在对系统进行了需求分析之后，按照前文的维修服务模式思想对系统的体系结构进行了设计，进而分析设计了维修决策支持系统的功能模型和信息模型。最后，本文研究内容在某燃油喷射系统企业进行了应用，并取得了一定的应用效果。
陈永旺[7]（2011）在《16V280柴油机燃油系统故障诊断系统的研究》文中研究表明随着我国经济的快速发展,铁路建设步伐越来越快,机车的应用越来越多,对机车的故障诊断、维修技术的要求也在增多。柴油机是机车的核心,它的故障诊断和维修技术直接影响着机车的使用效率。本文以16V280柴油机燃油系统故障诊断系统为研究对象。分析了目前柴油机故障诊断的现状,研究了燃油系统结构、基本工作原理,收集和分析了燃油系统的常见故障现象、产生的原因及部位。充分研究了故障树分析方法和原则,建立了常见故障现象的故障树,设计出了故障推理流程。以“启动困难”故障现象为例,推理出故障所在部位,对该部位的零部件进行试验验证。验证结果与推理过程相一致,论证了故障树分析法在16V280柴油机燃油系统故障诊断中的可行性。通过研究,16V280柴油机燃油系统故障诊断的效率和准确率得到了较大提高,减少了性能试验的故障处理时间,提高了机车在线运行时间,获得了较好的社会效益和经济效益。
宋晓杰[8]（2011）在《基于PXI总线的发动机性能评估与故障诊断系统的研究》文中提出目前,发动机在世界工业化进程中的地位越来越重要。传统的发动机检测仪器诊断时间长,且不能全面的诊断发动机故障。发动机综合性能评估与故障诊断系统作为一种新型的发动机检测仪,能够全面地对发动机进行综合评估和诊断。对该技术的研究已成为国内外发动机性能评估和故障诊断领域的重点课题之一。为此,本文进行了基于PXI总线的发动机性能评估与故障诊断系统的研究,内容包括：1、在研究发动机性能指标体系的基础上,划分了各项指标的评估等级,并在分析故障树诊断法和专家系统诊断法原理的基础上,建立了基于故障树的专家系统诊断法,该法降低了知识获取的难度,简化了知识库,同时也加快了推理机的推理过程。2、根据系统评估和诊断的项目,确定了系统的硬件方案,并选定了PXI系列数据采集卡的型号,在此基础上选用性能指标符合要求的传感器,并设计了信号组线和面板端子。根据传感器的输出特性,设计了ICP恒流源电路、喷油压力放大电路,在分析系统方案的基础上,给数据采集卡的每个通道分配了具体的资源,同时设计了连接器和适配器。3、分析了性能评估和故障诊断系统的功能需求,在此基础上确定了系统的软件方案,对系统的各个模块进行了具体设计。对发动机各项指标的工作原理进行了研究,建立了特征值的求解算法,根据专家经验给出了性能评估和故障诊断的阈值。采用图形化开发软件LabVIEW设计了各个模块。4、在软、硬件设计的基础上,研制完成了基于PXI总线的性能评估与故障诊断系统样机,并进行了发动机现场实验。通过对6135ZCaf和6L2027型发动机的现场试验,得到了发动机各项性能指标的特征值,与专家系统中的知识库进行比较判断,得出评估等级和诊断结果,实验数据表明,该系统可以对发动机进行全面评估和诊断,数据与发动机的实际情况完全相符,达到了对发动机进行全面评估和诊断的要求。本文在求解发动机性能指标特征值和建立故障树专家系统的基础上,采用PXI总线和虚拟仪器技术,完成了发动机性能评估与故障诊断系统的研究,并研制出了实验样机,实现了对发动机的全面快速评估和诊断。
闫显[9]（2011）在《船用柴油机智能故障预测技术研究》文中研究说明规划识别（Plan Recognition）是近年来人工智能领域比较活跃的研究热点,它已经广泛应用于知识推理、自然语言识别和入侵检测等多个领域,并且取得了较好的研究成果。它的主要思想是根据观察到的Agent片段的、琐碎的现象,推出具有因果联系的,完整而全面的规划描述的过程。一个规划识别器推出的规划既能补充一些我们未观察到而又实际发生的现象同时还可以合理地推出Agent未来可能采取的动作。柴油机故障预测技术就是通过对机械设备所测信号的处理和分析,结合诊断对象的历史状况,来识别机械设备及其零、部件的实时状态,并预知有关异常、故障和预测其未来工作状况的技术。本文在总结和汲取别人研究成果的基础上,将规划识别引入船用柴油机故障预测领域。本文主要针对规划识别技术,以船用柴油机故障预测为背景,涉及以下方面工作:（1）对规划知识图模型进行改进,原有的知识图认为抽象关系节点的支持度为1,并且在解图SG （ solution graph ）中唯一存在。然而,实际情况并非如此,抽象节点的各分支出现的可能性是不一样的,它们的出现存在概率性。因此,本文对规划知识图进行了改进,分析证明了改进后的规划知识图提高了预测准确度。（2）应用AVL Boost软件对低速二冲程柴油机5S50MC进行模拟,通过比较试验数据与模拟计算数据证明了该数据模型的可用性,给后续的故障规划预测提供了条件。（3）实现基于规划识别的船用柴油机故障预测系统原型,给出了实验结果与分析,进一步验证规划识别理论在故障预测领域的可行性。本文通过对规划识别理论预测能力的分析,开展基于规划识别的设备故障预测研究,最后实验证明该方法的可用性。一方面扩展了规划识别理论的应用空间;另一方面也丰富了设备故障预测技术领域的方法类型。
彭亮[10]（2008）在《车用柴油机冷启动过程故障机理及其智能诊断研究》文中提出车用柴油机冷启动过程工作条件恶劣,工作过程复杂,偏离正常工况的异常状况时常发生,而良好的车用柴油机冷启动过程故障诊断专家系统能通过大量的柴油机冷启动过程工作状态信息对其进行实时故障诊断及报警,这将有利于操作以及维护人员及时作出相应的措施来提高柴油机冷启动工作状态的可靠性和安全性,从而提高柴油机的工作寿命。本文利用热力学理论研究了车用柴油机冷启动过程故障机理,并在此基础上应用模糊神经网络理论与专家系统技术研究开发了车用柴油机冷启动工作过程智能故障诊断系统,以满足当前车用柴油机冷启动工作过程智能故障诊断的需要,论文主要工作与创新之处如下:（1）研究分析了车用柴油机冷启动过程中活塞缸套间的气门间隙异常、气门漏气、三偶件磨损、喷油嘴堵塞、排气阀漏气、噪声、磨损等故障机理,并对车用柴油机冷启动过程热工参数在车用柴油机冷启动过程中的影响进行了评价,为车用柴油机冷启动过程智能诊断过程特征参数的提取提供了很好的理论依据。（2）首次综合考虑工质压缩时的泄露、热量的损失以及余隙容积等参数,提出了车用柴油机冷启动过程热力参数新模型。该模型显示,当只考虑车用柴油机冷启动压缩过程中气体的泄露和热量损失情况时,将导致车用柴油机气缸压缩完毕时气缸温度的估算偏高,影响正常点火启动。该模型的提出为车用柴油机冷启动工作过程点火异常的诊断及其问题解决提供了坚实的理论基础。（3）车用柴油机冷启动过程智能故障诊断系统采用深知识和浅知识两者有机结合并相互补充,推理机使用不精确的推理方法;采用误差反向传播算法（BP算法）对网络的连接权值进行学习和调整,以满足给定的精度要求;用训练后的连接权值、阈值、高斯函数的中心值和宽度构建了柴油机冷启动过程模糊神经网络故障诊断专家系统知识库;按正反向混合推理方向对柴油机冷启动过程关键参数故障状况进行混合推理。（4）运用Visual Basic6.0开发工具针对车用柴油机冷启动工作过程开发了车用柴油机冷启动工作过程智能故障诊断系统。车用柴油机冷启动工作过程智能故障诊断系统应用结果表明,该智能故障诊断系统的知识库较为合理,推理机制快速高效,准确率较高。
二、喷油泵的故障诊断数据库系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、喷油泵的故障诊断数据库系统（论文提纲范文）
（1）柴油机燃油系统的故障诊断与健康管理（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 柴油机故障诊断技术的理论和方法 |
| 1.2.1 故障诊断技术简要理论 |
| 1.2.2 柴油机故障诊断方法 |
| 1.3 故障诊断技术的国内外研究现状及发展趋势 |
| 1.3.1 国内外研究现状 |
| 1.3.2 发展趋势 |
| 1.4 本文的研究内容 |
| 1.5 本章小结 |
| 2 柴油机燃油系统故障 |
| 2.1 柴油机燃油系统常见故障 |
| 2.1.1 供油量不足 |
| 2.1.2 针阀泄漏 |
| 2.1.3 出油阀失效 |
| 2.1.4 针阀卡死 |
| 2.2 解决方案 |
| 2.3 本章小结 |
| 3 燃油系统故障特征参数的提取 |
| 3.1 小波分析基础 |
| 3.1.1 小波分析的定义 |
| 3.1.2 连续小波变换 |
| 3.1.3 离散小波变换 |
| 3.1.4 多分辨率分析 |
| 3.1.5 小波包理论 |
| 3.1.6 小波阈值去噪 |
| 3.2 小波阈值去噪的MATLAB实现 |
| 3.3 利用小波包进行故障特征参数提取 |
| 3.3.1 频带分析技术 |
| 3.3.2 小波包频带分析技术的应用 |
| 3.4 利用燃油压力波形进行故障特征参数提取 |
| 3.4.1 压力波的测量 |
| 3.4.2 压力波的测量部位 |
| 3.4.3 燃油压力波性特征提取 |
| 3.4.4 故障样本数据 |
| 3.5 故障特征参数提取方案对比 |
| 3.6 本章小结 |
| 4 基于SOM神经网络的故障诊断 |
| 4.1 SOM神经网络 |
| 4.1.1 SOM神经网络结构 |
| 4.1.2 SOM神经网络的学习算法 |
| 4.2 SOM神经网络的故障诊断 |
| 4.2.1 网络样本设计 |
| 4.2.2 网络设计 |
| 4.2.3 网络训练与测试 |
| 4.3 本章小结 |
| 5 基于BP神经网络的故障诊断 |
| 5.1 BP神经网络 |
| 5.1.1 BP神经网络的结构 |
| 5.1.2 BP神经网络的学习算法 |
| 5.1.3 BP神经网络的设计 |
| 5.2 BP神经网络的故障诊断 |
| 5.2.1 创建故障类型编码 |
| 5.2.2 BP神经网络建立 |
| 5.2.3 BP神经网络训练与测试 |
| 5.2.4 诊断结果分析 |
| 5.3 本章小结 |
| 6 基于SOM-BP神经网络的故障诊断系统开发 |
| 6.1 SOM-BP串联神经网络的优点及可行性 |
| 6.2 SOM-BP神经网络训练和测试 |
| 6.3 GUI用户界面开发 |
| 6.4 诊断系统界面 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
（2）防爆无轨胶轮车故障诊断系统研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 故障诊断技术 |
| 1.2.1 国内外研究现状 |
| 1.2.2 发展概况 |
| 1.3 故障诊断方法分类 |
| 1.4 论文研究内容及结构安排 |
| 第二章 防爆无轨胶轮车故障分析 |
| 2.1 防爆无轨胶轮车特点 |
| 2.2 防爆无轨胶轮车的故障特点 |
| 2.3 无轨胶轮车常见故障分析 |
| 2.3.1 柴油机系统常见故障分析 |
| 2.3.2 底盘常见故障分析 |
| 2.3.3 电气系统常见故障分析 |
| 2.4 无轨胶轮车故障发生的原因分析 |
| 2.5 本章小结 |
| 第三章 故障树与专家系统在无轨胶轮车故障诊断中的应用研究 |
| 3.1 故障树分析法基本理论 |
| 3.2 故障树定性分析 |
| 3.3 故障树定量分析 |
| 3.4 底事件的模糊故障率分析 |
| 3.4.1 专家权重值的确定 |
| 3.4.2 底事件模糊故障率的形成 |
| 3.4.3 解模糊 |
| 3.5 无轨胶轮车常见故障的故障树分析 |
| 3.5.1 无轨胶轮车常见故障树的建立 |
| 3.5.2 无轨胶轮车故障树分析 |
| 3.6 专家系统分析 |
| 3.6.1 专家系统简介 |
| 3.6.2 专家系统的基本结构 |
| 3.6.3 专家系统推理机制 |
| 3.7 基于故障树的专家系统研究 |
| 3.8 本章小结 |
| 第四章 防爆无轨胶轮车故障诊断系统设计 |
| 4.1 专家系统知识库的设计 |
| 4.1.1 故障知识获取 |
| 4.1.2 知识表示 |
| 4.1.3 知识管理 |
| 4.2 专家系统推理机的设计 |
| 4.3 无轨胶轮车故障诊断流程 |
| 4.4 本章小结 |
| 第五章 防爆无轨胶轮车故障诊断系统实现 |
| 5.1 故障诊断系统整体设计 |
| 5.2 系统开发环境简介 |
| 5.3 数据库设计 |
| 5.4 故障诊断系统的实现 |
| 5.4.1 系统登录模块 |
| 5.4.2 系统主功能界面 |
| 5.4.3 系统故障诊断界面 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文目录 |
（3）基于局部回归神经网络的柴油机燃油喷射系统故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 柴油机燃油系统故障诊断的难点 |
| 1.4 神经网络在故障诊断中的应用 |
| 1.5 研究内容与论文结构 |
| 1.5.1 主要研究内容 |
| 1.5.2 论文结构 |
| 2 神经网络基本理论 |
| 2.1 神经网络概论 |
| 2.1.1 神经网络的产生和发展 |
| 2.1.2 神经元模型及其学习机理 |
| 2.2 BP神经网络 |
| 2.2.1 BP神经网络结构 |
| 2.2.2 BP网络学习算法 |
| 2.3 Elman神经网络 |
| 2.3.1 Elman神经网络结构 |
| 2.3.2 Elman神经网络计算流程 |
| 2.3.3 Elman网络学习算法 |
| 2.4 Elman神经网络的改进 |
| 2.4.1 学习算法的改进 |
| 2.4.2 激励函数的改进 |
| 2.4.3 网络结构的改进 |
| 2.5 本章小结 |
| 3 自适应遗传算法优化Elman神经网络 |
| 3.1 遗传算法简介 |
| 3.1.1 传统遗传算法的流程 |
| 3.1.2 传统遗传算法的缺点 |
| 3.2 自适应遗传算法 |
| 3.2.1 自适应遗传算法简介 |
| 3.2.2 选择算子的改进 |
| 3.2.3 交叉算子的改进 |
| 3.2.4 变异算子的改进 |
| 3.2.5 利用Shubert函数验证自适应遗传算法 |
| 3.3 神经网络的遗传算法优化 |
| 3.3.1 遗传算法优化Elman神经网络的必要性 |
| 3.3.2 遗传算法优化Elman神经网络的实现 |
| 3.4 本章小结 |
| 4 船舶柴油机燃油喷射系统故障诊断研究 |
| 4.1 船舶柴油机燃油喷射系统介绍 |
| 4.1.1 柴油机燃油喷射系统的分类 |
| 4.1.2 柴油机燃油喷射系统的组成 |
| 4.1.3 柴油机燃油系统的工作过程 |
| 4.1.4 柴油机燃油喷射系统部件要求 |
| 4.2 柴油机燃油喷射系统故障诊断 |
| 4.2.1 燃油喷射系统常见的几种故障 |
| 4.2.2 柴油机燃油系统故障诊断的常见方法 |
| 4.2.3 特征向量的提取及样本数据 |
| 4.2.4 变量筛选方法 |
| 4.2.5 结果分析 |
| 4.3 本章小结 |
| 结论 |
| 参考文献 |
| 附录A 原始数据 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（4）基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 船舶柴油机故障诊断研究发展现状 |
| 1.2.1 故障监测和诊断技术国内外研究现状 |
| 1.2.2 故障监测和诊断技术的发展趋势 |
| 1.3 论文主要研究内容 |
| 2 船舶柴油机燃油系统故障监测及诊断分析 |
| 2.1 船舶燃油系统概述 |
| 2.1.1 燃油系统低压油路 |
| 2.1.2 燃油系统高压油路 |
| 2.1.3 燃油喷射过程 |
| 2.2 主要故障部件原理分析 |
| 2.2.1 喷油泵工作原理分析 |
| 2.2.2 喷油器工作原理分析 |
| 2.2.3 燃油系统常见故障分析 |
| 2.3 常见故障监测和诊断方法 |
| 2.3.1 故障诊断过程 |
| 2.3.2 常见故障监测和诊断方法 |
| 2.3.3 船舶柴油机故障监测和诊断的目的 |
| 2.4 本章小结 |
| 3 基于KPCA的非线性特征提取与SVM的模式识别 |
| 3.1 基于KPCA的非线性特征提取 |
| 3.1.1 KPCA基本原理 |
| 3.1.2 KPCA非线性特征提取步骤 |
| 3.1.3 SPE和T~2统计量 |
| 3.1.4 基于KPCA的非线性特征提取分析 |
| 3.2 基于SVM的故障模式识别 |
| 3.2.1 支持向量机概述 |
| 3.2.2 支持向量机基本原理 |
| 3.2.3 软间隔最优分类面 |
| 3.2.4 非线性支持向量机 |
| 3.2.5 基于两类样本的SVM数值仿真 |
| 3.3 本章小结 |
| 4 基于PSO优化KPCA的船舶燃油系统故障监测 |
| 4.1 PSO优化算法概述 |
| 4.1.1 PSO基本原理 |
| 4.1.2 PSO优化参数选择 |
| 4.1.3 基于改进PSO算法数值仿真 |
| 4.2 基于KPCA的故障监测模型搭建 |
| 4.2.1 核函数及参数确定方法 |
| 4.2.2 样本数据采集 |
| 4.2.3 基于KPCA的故障监测实现流程 |
| 4.2.4 基于KPCA的船舶燃油系统故障监测实验 |
| 4.3 基于PSO优化KPCA的船舶燃油系统故障监测 |
| 4.3.1 基于PSO优化KPCA的故障监测算法设计 |
| 4.3.2 基于PSO优化KPCA的船舶燃油系统故障监测实验 |
| 4.4 本章小结 |
| 5 基于PSO优化KPCA-SVM的船舶燃油系统故障诊断 |
| 5.1 构建多分类支持向量机 |
| 5.1.1 一对多方法 |
| 5.1.2 一对一方法 |
| 5.1.3 直接非循环图法 |
| 5.1.4 决策树法 |
| 5.2 基于PSO优化KPCA-SVM的船舶燃油系统故障诊断 |
| 5.2.1 故障诊断算法设计思路 |
| 5.2.2 故障诊断实验步骤 |
| 5.2.3 船舶燃油系统故障诊断实验 |
| 5.3 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（5）机车柴油机智能化管理系统平台研究（论文提纲范文）
| 摘要 |
| Abstract |
| 公式符号表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 目标及意义 |
| 1.3 国内外情况 |
| 1.4 课题研究思路 |
| 1.5 本文主要工作 |
| 2 系统功能需求分析 |
| 2.1 铁路运用的功能化需求 |
| 2.1.1 内燃机车不同用途下的功能化需求分析 |
| 2.1.2 铁路机车运用环境特点分析 |
| 2.1.3 相关法律法规要求 |
| 2.2 用户管理的功能需求 |
| 2.2.1 基于可靠运用的功能化需求 |
| 2.2.2 基于成本控制的功能化 |
| 2.2.3 监管 |
| 2.3 产品研发和质量控制指导 |
| 2.4 零部件数字化管理 |
| 2.4.1 产品标识与识别 |
| 2.4.2 信息码的应用与管理 |
| 2.5 小结 |
| 3 控制系统架构 |
| 3.1 基础性架构 |
| 3.1.1 车载系统 |
| 3.1.2 车地传输系统 |
| 3.1.3 地面系统 |
| 3.2 关键零部件 |
| 3.2.1 传感器 |
| 3.2.2 线束 |
| 3.2.3 电喷控制单元 |
| 3.2.4 机载PHM控制单元 |
| 3.2.5 通讯设备 |
| 3.2.6 数据存储及下载设备 |
| 3.2.7 地面计算机 |
| 3.3 控制与管理系统功能划分 |
| 3.4 小结 |
| 4 感知系统 |
| 4.1 感知对象 |
| 4.2 硬件组成 |
| 4.2.1 感知系统常用硬件 |
| 4.2.2 非常规硬件设备 |
| 4.2.3 通过软件分析和计算可以获知的柴油机参数 |
| 4.3 软件模型 |
| 4.4 工程应用试验 |
| 4.5 小结 |
| 5. 数据处理 |
| 5.1 数据类型 |
| 5.2 数据传输与记录 |
| 5.2.1 机车内网数据传输与储存 |
| 5.2.2 车地数据传输与储存 |
| 5.3 特征提取 |
| 5.3.1 诊断项目 |
| 5.4 运用分析 |
| 5.5 柴油机状态分析 |
| 5.6 可靠性分析 |
| 5.6.1 可靠性数据 |
| 5.6.2 数据接收配置 |
| 5.6.3 数据库配置 |
| 5.6.4 处理引擎配置 |
| 5.6.5 故障预测与诊断 |
| 5.7 检修分析 |
| 5.8 成本分析 |
| 5.9 工程运用及其试验 |
| 5.10 小结 |
| 6. 控制与故障处置策略 |
| 6.1 自动化控制的主要功能 |
| 6.2 智能感知 |
| 6.3 故障诊断 |
| 6.4 故障预测 |
| 6.5 运维优化 |
| 6.6 自动化调整策略 |
| 6.7 柴油机故障分类 |
| 6.8 故障判查机理与处置策略 |
| 6.9 小结 |
| 结论 |
| 参考文献 |
| 附录A 时间序列预测符号定义 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）船舶柴油机燃油喷射系统维修服务模式与系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 论文研究背景与意义 |
| 1.1.1 船舶柴油机维修研究概述 |
| 1.1.2 柴油机燃油喷射系统维修研究的重要性 |
| 1.1.3 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备维修管理发展概况 |
| 1.2.2 设备维修管理的技术和方法 |
| 1.2.3 燃油喷射系统的维修现状 |
| 1.3 论文研究目的 |
| 1.4 本文研究内容安排 |
| 1.5 本章小结 |
| 2 船舶柴油机燃油喷射系统的维修服务模式研究 |
| 2.1 燃油喷射系统组成结构及常见故障机理 |
| 2.1.1 柴油机燃油系统组成部分及其功用 |
| 2.1.2 柴油机对燃油喷射系统及其主要部件的性能要求 |
| 2.1.3 柴油机燃油喷射系统常见故障的现象与原因 |
| 2.2 燃油喷射系统维修服务模式总体框架 |
| 2.2.1 燃油喷射系统维修服务的需求分析 |
| 2.2.2 燃油喷射系统维修服务模式总体框架结构 |
| 2.3 燃油喷射系统故障维修知识库的构建 |
| 2.3.1 故障维修知识库的概念模型 |
| 2.3.2 故障维修知识表设计 |
| 2.4 燃油喷射系统的维修过程的管理和优化 |
| 2.5 燃油喷射系统维修决策过程策略 |
| 2.5.1 维修方案模糊评价 |
| 2.5.2 维修类型决策 |
| 2.5.3 维修模型综合决策 |
| 2.6 本章小结 |
| 3 柴油机燃油喷射系统维修决策支持系统设计 |
| 3.1 维修决策支持系统构建的需求分析 |
| 3.2 系统技术方案设计 |
| 3.2.1 技术平台 |
| 3.2.2 软件架构 |
| 3.3 维修决策支持系统的体系结构设计 |
| 3.4 维修决策支持系统功能模型设计 |
| 3.4.1 系统功能模块设计 |
| 3.4.2 系统 IDEF0 图设计 |
| 3.5 系统信息模型设计 |
| 3.6 本章小结 |
| 4 企业应用 |
| 4.1 企业概况 |
| 4.2 企业维修服务管理方面存在的问题 |
| 4.3 企业应用情况 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| A. 攻读硕士学位期间发表的论文目录 |
| B. 攻读硕士学位期间参加的主要科研项目 |
| C. 攻读硕士学位期间获奖情况 |
（7）16V280柴油机燃油系统故障诊断系统的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景 |
| 1.2 国外机车故障诊断研究技术产生及意义 |
| 1.3 国内机车故障诊断研究情况 |
| 1.4 研究必要性及论文的结构 |
| 1.4.1 研究必要性 |
| 1.4.2 论文的结构 |
| 第二章 16V280 柴油机燃油系统结构性能与工作原理 |
| 2.1 柴油机燃油系统基本组成 |
| 2.2 柴油机的主要技术规格 |
| 2.2.1 基本结构参数 |
| 2.2.2 主要工作参数 |
| 2.3 燃油喷射系统主要部件工作原理及技术要求 |
| 2.3.1 燃油喷射系统 |
| 2.3.2 喷油泵 |
| 2.3.3 喷油器 |
| 2.4 本章小结 |
| 第三章 16V280 柴油机燃油系统常见故障分析 |
| 3.1 柴油机对燃油系统的工作性能要求 |
| 3.2 燃油喷射过程 |
| 3.2.1 喷射过程的三个阶段 |
| 3.2.2 喷射过程的压力波 |
| 3.2.3 供油规律和喷油规律 |
| 3.3 柴油机燃油系统常见故障 |
| 3.3.1 柴油机的故障成因 |
| 3.3.2 常见故障现象、特征及原因分析 |
| 3.4 本章小结 |
| 第四章 16V280 柴油机燃油系统的故障树的建立 |
| 4.1 故障树分析法概述 |
| 4.2 故障树分析法的数学基础 |
| 4.2.1 故障树分析法的结构函数 |
| 4.2.2 最小割集 |
| 4.3 燃油系统的故障树的建立 |
| 4.3.1 建立故障树的方法 |
| 4.3.2 建立故障树的步骤 |
| 4.3.3 故障树的建立 |
| 4.4 本章小结 |
| 第五章 16V280 柴油机燃油系统故障诊断推理与试验验证 |
| 5.1 16V280 柴油机燃油系统的故障诊断推理 |
| 5.1.1 故障诊断知识库 |
| 5.1.2 故障诊断推理 |
| 5.2 “启动困难”故障诊断推理 |
| 5.2.1 “启动困难”故障树的数学化与最小割集求解 |
| 5.2.2 “启动困难”故障诊断推理 |
| 5.3 “启动困难”故障诊断的试验验证 |
| 5.3.1 喷油器针阀偶件磨损引起“启动困难”的试验 |
| 5.3.2 喷油泵出油阀密封引起“启动困难”的试验 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文研究结论 |
| 6.2 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表的学术论文 |
（8）基于PXI总线的发动机性能评估与故障诊断系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题背景及研究目的 |
| 1.2 国内外发展状况 |
| 1.3 主要研究内容 |
| 第二章 性能评估与故障诊断的原理 |
| 2.1 性能评估的原理 |
| 2.2 故障诊断的原理 |
| 2.3 本章小结 |
| 第三章 系统硬件设计 |
| 3.1 系统整体方案 |
| 3.2 系统硬件构成 |
| 3.3 连接器和适配器的设计 |
| 3.4 性能和评估项目 |
| 3.5 本章小结 |
| 第四章 系统软件设计 |
| 4.1 软件方案 |
| 4.2 数据采集模块设计 |
| 4.3 信号分析处理模块设计 |
| 4.4 性能评估模块设计 |
| 4.5 故障诊断模块功能设计 |
| 4.6 数据库模块设计 |
| 4.7 本章小结 |
| 第五章 实验及分析 |
| 5.1 发动机振动性能测试实验 |
| 5.2 发动机转速波动率测试实验 |
| 5.3 发动机燃油系统性能测试实验 |
| 5.4 发动机动力均衡性性能测试实验 |
| 5.5 发动机加速性能测试实验 |
| 5.6 发动机启动性能测试实验 |
| 5.7 发动机冷却性能和润滑性能测试实验 |
| 5.8 发动机整体性能测试实验 |
| 5.9 本章小结 |
| 第六章 总结及工作展望 |
| 6.1 总结 |
| 6.2 工作展望 |
| 6.3 论文的创新之处 |
| 致谢 |
| 参考文献 |
| 硕士期间发表的论文 |
| 附录 |
（9）船用柴油机智能故障预测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 柴油机故障预测的发展趋势 |
| 1.4 论文研究内容及结构 |
| 1.4.1 论文的主要内容 |
| 1.4.2 文章 结构安排 |
| 第2章 规划识别理论 |
| 2.1 规划识别概述 |
| 2.2 规划识别的分类 |
| 2.3 规划识别方法分析 |
| 2.3.1 基于事件层的规划识别 |
| 2.3.2 基于概率方法的规划识别 |
| 2.3.3 基于逻辑的规划识别 |
| 2.3.4 基于规划执行的规划识别 |
| 2.3.5 基于目标图分析的规划识别 |
| 2.4 规划识别的应用 |
| 2.5 本章小结 |
| 第3章 船用柴油机与故障分析 |
| 3.1 柴油机总体机构 |
| 3.2 船用柴油机故障分析 |
| 3.2.1 汽缸盖与气缸套 |
| 3.2.2 曲轴与连杆 |
| 3.2.3 燃油系统 |
| 3.2.4 配气系统 |
| 3.3 柴油机故障预测方法的研究 |
| 3.4 柴油机故障预测技术的难点 |
| 3.5 本章小结 |
| 第4章 5S50MC柴油机工作过程模拟 |
| 4.1 AVL Boost软件介绍 |
| 4.2 5S50MC柴油机计算模型 |
| 4.2.1 5S50M柴油机介绍 |
| 4.2.2 5S50MC柴油机模型的建立 |
| 4.3 5S50MC计算模型验证 |
| 4.3.1 柴油机监测参数选取 |
| 4.3.2 柴油机计算模型测试 |
| 4.4 柴油机燃油系统故障模拟 |
| 4.5 本章小结 |
| 第5章 规划识别在柴油机故障预测中的应用 |
| 5.1 规划知识图 |
| 5.1.1 Kautz规划表示 |
| 5.1.2 规划知识图定义 |
| 5.2 柴油机燃油系统规划知识图模型 |
| 5.2.1 建立燃油系统规划知识图模型 |
| 5.2.2 规划知识图解的约束 |
| 5.3 规划知识图模型的改进 |
| 5.3.1 改进后规划知识图的求解 |
| 5.4 本章小结 |
| 第6章 基于规划识别的船用柴油机故障预测系统原型 |
| 6.1 故障预测系统简介 |
| 6.1.1 开发工具及实验环境 |
| 6.1.2 系统框架图 |
| 6.2 规划库设计 |
| 6.3 系统设计与实现 |
| 6.3.1 建立数据库连接 |
| 6.3.2 规划识别器实现 |
| 6.4 实验结果与分析 |
| 6.4.1 实验运行结果 |
| 6.4.2 结果分析 |
| 6.5 本章小结 |
| 总结 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）车用柴油机冷启动过程故障机理及其智能诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 故障诊断技术的发展及现状 |
| 1.1.1 故障诊断的意义 |
| 1.1.2 故障诊断理论与方法 |
| 1.1.3 智能故障诊断技术概述 |
| 1.2 模糊逻辑和神经网络信息融合的智能故障诊断专家系统 |
| 1.2.1 专家系统 |
| 1.2.2 模糊理论 |
| 1.2.3 神经网络 |
| 1.2.4 模糊逻辑和神经网络信息融合研究现状 |
| 1.3 柴油机故障诊断技术的现状及发展趋势 |
| 1.3.1 国内外的研究现状 |
| 1.3.2 发展趋势 |
| 1.3.3 柴油机冷启动的国内外的研究状况 |
| 1.4 车用柴油机故障诊断学的特点、研究目的和范围 |
| 1.4.1 车用柴油机故障诊断的特点 |
| 1.4.2 车用柴油机故障诊断学的研究目的和范围 |
| 1.5 选题背景和意义 |
| 1.6 论文的主要研究工作 |
| 第2章 车用柴油机冷启动故障机理与性能参数分析 |
| 2.1 车用柴油机冷启动常见故障的模式及其机理 |
| 2.1.1 车用柴油机气门间隙异常的振动诊断机理 |
| 2.1.2 柴油机高压油路故障机理分析 |
| 2.1.3 柴油机噪声机理分析 |
| 2.1.4 低温冷启动磨损严重的两个主要原因 |
| 2.2 柴油机冷启动热力参数计算模型 |
| 2.2.1 热力参数计算模型建立 |
| 2.2.2 热力参数计算模型参数分析 |
| 2.2.3 模型应用 |
| 2.2.4 柴油机的冷启动过程分析 |
| 2.2.5 利用熵增原理和可用能原理对参数的影响进行评价 |
| 2.3 小结 |
| 第3章 车用柴油机冷启动过程智能故障诊断系统设计 |
| 3.1 车用柴油机冷启动过程智能故障诊断模型 |
| 3.1.1 模糊神经元 |
| 3.1.2 BP 神经网络误差反向传播学习算法 |
| 3.2 车用柴油机冷启动过程故障知识库构建 |
| 3.2.1 故障诊断知识特点 |
| 3.2.2 故障诊断专家系统综合型知识表示 |
| 3.2.3 车用柴油机冷启动过程知识表示方法 |
| 3.2.4 车用柴油机冷启动过程故障征兆参数确定 |
| 3.3 车用柴油机冷启动过程故障诊断推理机设计 |
| 3.3.1 推理方法 |
| 3.3.2 推理方向 |
| 3.3.3 推理算法 |
| 3.4 本章小结 |
| 第4章 车用柴油机冷启动过程智能故障诊断实现 |
| 4.1 车用柴油机冷启动过程智能故障诊断专家系统结构 |
| 4.1.1 数据在线采集 |
| 4.1.2 数据库访问技术 |
| 4.1.3 数据通信技术 |
| 4.1.4 软件结构 |
| 4.2 车用柴油机冷启动过程智能故障诊断系统应用 |
| 4.2.1 车用柴油机冷启动智能故障诊断系统应用实例 |
| 4.2.2 车用柴油机冷启动过程智能故障诊断系统应用效果 |
| 4.3 本章小结 |
| 第5章 结语 |
| 参考文献 |
| 致谢 |
| 附录A（攻读学位期间所发表的学术论文目录） |
四、喷油泵的故障诊断数据库系统（论文参考文献）
- [1]柴油机燃油系统的故障诊断与健康管理[D]. 刘原宾. 大连理工大学, 2021(01)
- [2]防爆无轨胶轮车故障诊断系统研究[D]. 高宏鹏. 太原科技大学, 2021
- [3]基于局部回归神经网络的柴油机燃油喷射系统故障诊断研究[D]. 章志浩. 大连海事大学, 2020(01)
- [4]基于优化KPCA-SVM的船舶燃油系统故障监测和诊断研究[D]. 张志政. 大连海事大学, 2020(01)
- [5]机车柴油机智能化管理系统平台研究[D]. 王洪峰. 大连理工大学, 2019(08)
- [6]船舶柴油机燃油喷射系统维修服务模式与系统研究[D]. 郭振军. 重庆大学, 2013(02)
- [7]16V280柴油机燃油系统故障诊断系统的研究[D]. 陈永旺. 上海交通大学, 2011(12)
- [8]基于PXI总线的发动机性能评估与故障诊断系统的研究[D]. 宋晓杰. 山东理工大学, 2011(08)
- [9]船用柴油机智能故障预测技术研究[D]. 闫显. 江苏科技大学, 2011(01)
- [10]车用柴油机冷启动过程故障机理及其智能诊断研究[D]. 彭亮. 湖南大学, 2008(09)