一、基于复杂度的柴油机失火故障诊断方法（论文文献综述）
赵志坚[1]（2021）在《柴油机气门间隙异常和失火故障智能诊断方法研究》文中研究说明柴油机具有热效率高及扭矩大的优点,被广泛作为坦克、舰船等设备的动力源。但由于长时间冲击磨损,柴油机气门间隙会出现异常增大故障,由于杂质积累油管堵塞,柴油机会出现失火故障,发生这些故障不仅会导致柴油机做功能力下降,有时甚至会带来严重的灾难,因此对柴油机进行故障诊断十分重要。柴油机零部件众多,工作环境较为恶劣,工况也复杂多变,因此柴油机缸盖振动信号干扰强烈,且如何挖掘出强噪声和多工况干扰下的信号特征也是棘手的问题,此外柴油机故障数据较少,通过故障模拟实验获得数据需要耗费大量人力物力。针对上述三个问题,本文做了以下研究工作:（1）基于经验小波变换的振动分解算法避免了传统经验模态分解出现的模态混叠弊端,通过相关系数和时域特征可以对分量进行筛选,通过固定阈值降噪可以去除信号噪声。（2）缸盖振动信号为非平稳信号,适合通过复morlet小波基进行时频变换。传统的特征提取方法十分依赖专家经验,因此改进Alexnet来自动获取振动时频图特征。（3）针对柴油机故障样本少、工况复杂多变的问题,提出了基于迁移学习的故障诊断方法,通过在网络中添加自适应层来定量衡量柴油机已有工况数据和新工况之间的差异。（4）在工程实际应用方面,通过在工程实际机组上进行故障模拟实验来验证本文所提出方法的有效性。
刘嘉蒙,马波,江志农[2]（2020）在《基于Noisy-Max模型和邻、对缸振动信号的柴油机失火故障概率诊断》文中提出针对目前柴油机的失火故障诊断过程中振动信号分析可进一步完善、诊断准确率可进一步提高的问题,提出了一种基于Noisy-Max模型和邻、对缸振动信号的柴油机失火故障概率诊断方法.构建了故障诊断贝叶斯网络,建立了故障类型节点和故障特征节点及其对应关系,并采用了Noisy-Max模型对节点进行设置,有效降低了参数设置复杂度,实现了在故障诊断过程中输入信号对多节点状态的触发,提高了诊断推理准确率.通过一台12缸V型柴油机进行失火故障模拟试验,采集失火缸及其邻、对缸数据,分析并得出失火故障发生概率,对诊断理论进行了验证,试验表明该方法具有较高准确度.
乔新勇,顾程,韩立军[3]（2020）在《基于VMD多尺度散布熵的柴油机故障诊断方法》文中提出为从非平稳非线性的缸盖振动信号中提取出柴油机故障特征,本文中提出一种基于变分模态分解（VMD）的多尺度散布熵的柴油机失火故障诊断方法。利用VMD对柴油机缸盖振动信号进行分解,选取散布熵最小的模态分量作为分析信号,计算该信号的多尺度散布熵,并选取前6个尺度散布熵作为故障特征向量,输入粒子群优化的支持向量机（PSO-SVM）中进行失火故障分类判断,并与其他4种常见方法进行对比,结果表明,本文中提出的诊断方法能够有效提取故障特征,准确识别故障类型,优于所对比方法。
刘嘉蒙[4]（2020）在《基于信号特征分析的柴油机故障诊断方法研究》文中指出作为生产和生活的动力支持,柴油机一直作为核心部件工作在车辆、舰船、电力等各个领域,是当前推动国家发展的重要支持。柴油机工作过程中,环境往往复杂多变,运行过程中会受到各种未知因素的干扰,运行过程中一旦发生故障,可能会对生活生产造成影响。出现故障时,轻则延缓工作进程、降低效率,重则可能造成机组损毁,甚至伤及现场工作人员。对柴油机的故障诊断进行研究,保障柴油机工作过程中的良好稳定运行,有助于在出现故障的时候能够迅速做出诊断,从而为后期工作铺垫,保障生活生产的顺利进行,维持安全可靠性。因此,对柴油机故障诊断进行研究具有重要的意义。本文以柴油发动机为研究对象,在对常见故障的研究基础上,以提高故障诊断准确率为工作目标,结合故障诊断的实际应用,提出了有效的柴油机故障诊断方法,改善了故障诊断技术,并利用相关故障模拟实验和实际工程故障案例进行验证。本文的主要研究内容包含以下部分:首先,针对运行环境工况变化,结合故障诊断中测试训练数据分布特点,开展变工况下故障特征提取方法研究。提出一种基于领域对抗网络的故障特征提取方法,建立了领域对抗网络模型,提高了训练与测试数据不受工况环境变化影响的分析处理能力,降低了数据来源对诊断结果的影响,实现了与训练集样本差距较大情况下的故障特征提取过程,并通过故障模拟实验对提出方法进行了验证。其次,结合概率图模型原理和故障诊断技术,开展柴油机故障概率推理方法研究。针对三种柴油机常见故障类型,建立了多层网络的故障概率诊断模型,通过对信号和机组零部件寿命状态的分析,实现对潜在故障发生可能性的概率推理。对诊断网络框架进行了设计,确定了故障类型与信号特征的网络节点对应关系,并通过模拟实验对提出方法进行了验证。最后,基于故障特征和柴油机的结构特性研究结果,开展柴油机缸内失火故障诊断方法研究。提出了一种基于多信号特征的柴油机故障诊断方法,建立了失火故障诊断网络,确定了缸头节点与信号成分节点的多状态对应关系,降低了诊断模型参数设置的复杂度,实现了结合辅助推理的故障诊断,通过多工况失火故障实验对提出方法的诊断稳定性进行了验证。本文对柴油机故障诊断进行了研究,提出了故障诊断新方式,扩宽了柴油机故障诊断研究思路,为柴油机的良好工作运行提供了保障,在实际工程运用上具有重要的意义。
赖岳华[5]（2020）在《变工况下柴油机故障在线监测与维修决策优化方法研究与应用》文中研究说明柴油机是众多重要装备的动力核心,在发电机组、国防装备、船舶动力和工程机械等领域发挥着重要作用。然而,恶劣的使用环境和复杂的系统结构使得柴油机故障频发,不但影响柴油机使用,还可能造成严重经济损失,甚至威胁工作人员的人身安全。目前广泛应用的故障在线监测方法效果有限,维修策略相对落后,已经越来越无法满足现代化装备生产的实际需求。同时,根据柴油机变工况使用要求需不断切换运行于多种稳定转速和负荷的状态,会对在线监测诊断故障造成较大困难。因此,依托信号处理、机器学习和深度学习等技术开展变工况下柴油机故障早期预警、诊断与维修决策优化方法的研究与应用,为设备维修提供基于状态的优化决策,对提高柴油机的安全性、可用性以及经济效益具有极其重要的意义和价值。本文以柴油机为研究对象,以实现变工况下的故障在线监测与维修决策优化为目标,从信号特征的提取与选择研究出发,对工况识别方法进行研究,进而开展变工况下的故障在线监测和维修决策优化方法研究,并利用实验数据和工程案例进行方法验证。论文的主要研究内容如下:首先,基于柴油机振动信号特点开展特征提取与选择方法研究。对非线性、非平稳振动信号进行多域特征研究,并通过构建特征组合的重要度、维度和冗余度指标,提出基于多目标优化的特征选择方法,为工况特征和故障特征的提取与选择奠定基础。其次,针对复杂多变的柴油机运行工况,基于变工况下的振动信号特点开展工况识别方法研究。在仅有少量样本情况下,基于变分模态分解进行信号分解和多域信号特征提取,提出结合多域特征和线性判别分析的工况识别方法;对基于一维卷积神经网络的振动信号局部特征提取进行研究以优化工况识别模型参数,研究自适应dropout方法对网络结构进行剪枝,结合长短时记忆网络对局部信号特征进行时序描述,在大量样本情况下,提出基于一维卷积长短时记忆网络的工况识别方法,实现端到端的高效率高精度工况识别。工况识别方法经过实验和工程实例验证,效果良好。接着,在工况识别基础上,在缺乏故障数据条件下,开展柴油机异常预警方法研究。结合振动信号图像转化进行数据增强,然后基于生成对抗网络对柴油机正常状态对应的潜在空间进行建模,并结合自编码网络实现振动信号到潜在空间的映射建模,最后以潜在空间特征和判别器信号特征为基础进行样本异常程度评估,提出基于生成对抗网络和自编码网络的异常检测方法,并通过实验和工程实例进行验证。然后,基于工况识别模型开展变工况下的故障诊断方法研究。根据气缸工况识别结果确定整机工况,进而提出自适应失火故障诊断方法。针对气门间隙异常故障,通过融合多域特征实现对故障信息的准确表征,然后结合整机工况识别模型提出变工况下基于软间隔支持向量机的故障诊断方法。进一步针对故障数据稀缺造成的数据不平衡问题,提出基于改进SMOTE的故障诊断方法,提高了数据不平衡下故障诊断模型的泛化能力。最后,结合柴油机振动信号和性能退化特点,开展基于振动状态监测的维修决策优化方法研究。从振动信号中提取退化特征并结合历史维修次数和负荷对柴油机性能退化过程进行建模,并进一步利用威布尔分布描述柴油机的故障率变化过程,建立可以评估柴油机实时故障率的威布尔比例风险模型,最后以可用度最大为目标对维修决策进行优化,提出基于振动状态监测的维修决策优化方法。
高志龙[6]（2020）在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中提出柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册（IETM）技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW（声表面波）无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
陈鲲[7]（2020）在《基于自编码器深度特征提取的柴油发动机异常检测与故障诊断技术研究》文中进行了进一步梳理柴油发动机能够为多种机械装备提供运行动力,在工业、船舶、电力、军工等多个领域都被普遍配备并使用。但是由于柴油发动机具有工作条件恶劣,机械结构复杂、振源多、转速高等特点,使其很容易发生零部件磨损,甚至是机械故障,对机组的健康造成威胁。由于振动信号传递路径复杂且具有强耦合性,传统的设备故障诊断方案很难在实际工业现场中取得令人满意的在线诊断结果。随着深度学习技术的发展,通过大量数据自动学习出故障特征并进行在线故障诊断成为了一种有效的解决方法。本文针对如何将深度学习引入到柴油发动机的异常检测和故障诊断领域,主要在以下几个方面开展了研究工作:（1）针对实际中故障样本缺乏,难以训练故障诊断模型的现状,本文从异常检测的角度出发,提出了一种基于一维卷积自编码器的柴油发动机异常检测算法。通过一维卷积自编码器来输出状态模型与观测模型间的误差,并通过箱线图法对误差进行评估,并确定异常检测的阈值。最后通过实验台实测数据进行了验证,结果表明了所提方法在柴油发动机异常检测上的有效性。（2）深入研究了栈式自编码器的特征提取性能,从多个评价指标上对各种特征提取方法进行对比分析,验证了通过栈式自编码器自动提取的深度特征性能上的优越性。在Dropout技巧的帮助下搭建了基于栈式自编码器的柴油发动机故障诊断模型,并通过实验结果表明了所提故障诊断方法具有比其他传统方法更高的准确率。（3）针对自编码器网络超参数的选取问题,提出了一种改进变分自编码器,通过在变分自编码器中引入和声搜索算法实现了模型超参数的自动优化。并将改进变分自编码器用于变工况下柴油发动机的故障诊断中,实验结果表明了所提改进方法相比于原始栈式自编码器在非稳定工况下有更好的表现,正确率也高于其他多种典型的故障诊断算法。（4）通过搭建柴油发动机故障模拟实验台采集了气门间隙故障数据,并通过分析振动数据得出了气门故障在振动信号上所表现出的特征。同时结合实际工程案例研究了其他柴油发动机典型故障的故障特征与相应的诊断方法。
应铭[8]（2020）在《基于DSP的柴油机监测系统研发》文中提出柴油机由于其较高的热效率、较低的燃油消耗率、较好的适应性、宽广的功率范围,已广泛应用于工业、农业、交通运输业和国防建设事业。因其特有的优点,在今后相当长的时期内仍将处于不可替代的地位,对其进行状态监测和故障诊断是十分必要的。本文系统阐述了柴油机监测系统国内外研究现状,在结合实际项目的基础上提出了柴油机监测系统总体设计方案。为实现柴油机监测系统功能,选用DSP56F807作为柴油机监测系统主控芯片,完成了主控制器原理图和PCB图设计,分析了蓄电池电压、蓄电池电流、蓄电池内阻、喷油压力、缸盖振动与瞬时转速的信号特点并选择了合适的检测方法,设计了相应的信号调理电路。在所设计的硬件基础上,给出了监测系统软件设计,实现了DSP模拟信号和转速信号的采集,并设计了串口通讯协议解决了大量数据的传输问题。最后使用Lab VIEW完成了人机交互界面设计,实现了柴油机状态监测功能。针对柴油机缸盖振动信号含有大量非平稳噪声影响故障诊断的问题,本文在系统分析小波降噪实时性影响因素的基础上,论述了原位提升小波相较于其他小波算法不具有实时性优势,给出了实时小波降噪系统构建要点。选择了多工况下缸盖振动小波降噪较优参数,并设计了快速小波降噪C程序。同时,针对变转速工况下单一振动信号故障诊断准确率较低的问题,设计了振动与转速相融合的RBF神经网络故障诊断系统,并使用粒子群算法对其进行优化,取得了较好的效果。在整合系统硬件和软件的基础上,通过搭建系统实验平台,实验验证了柴油机监测系统的有效性和故障诊断的准确性,对后续柴油机监测系统的设计具有参考和借鉴意义。
吕其峰[9]（2020）在《高压共轨柴油机故障诊断关键技术研究》文中进行了进一步梳理随着电控发动机发展,电子器件的日益复杂、软件和机电一体化应用不断增加,系统性失效和随机硬件失效的风险逐渐增加。对于发动机系统的输入部件,国六排放法规要求OBD系统应至少监测电路故障及合理性故障。同时在功能安全方面,汽车电子行业标准ISO26262要求避免因汽车电子系统故障导致的不合理风险。国六高压共轨发动机电控部件的增加及法规要求监测项目的扩充,对车载故障诊断系统提出新的要求,因此研究适应排放法规及满足更高控制要求的故障诊断系统十分必要。论文分析了国内外高压共轨柴油机的故障诊断系统和关键部件诊断方法的发展研究现状和研究热点,详细研究了不同部件的工作原理和故障机理,从而针对不同的部件结合其功能需求选取不同的监控策略。将故障诊断系统分为故障监控模块和故障管理模块,监控模块报告故障信息后,故障管理模块进行故障处理。将监控功能模块分部件层、功能层和控制器层,对部件层和功能层诊断策略进行研究。基于该体系架构,以MATLABSimulink为建模工具,搭建了故障诊断体系策略。对冷却液温度传感器、加速踏板位置传感器、轨压传感器、曲轴位置传感器、燃油计量单元、蓄电池电压、ADC模块等部件搭建了超限检测策略模型和部分合理性检测策略模型;对曲轴位置传感器的无信号故障和错误信号故障采取模型诊断法结合逻辑诊断的融合诊断策略,在非故障性输入干扰时能够准确快速的识别故障。对轨压控制的过程采取了通过轨压传感器和通过燃油计量单元两种策略分别进行轨压梯度监控和调节器监控,搭建诊断策略模型。对于失火故障采用AMESim软件进行故障模拟并采集数据,从而提取故障特征进行故障诊断,并搭建诊断策略模型。对搭建的各模块控制策略进行仿真验证,验证结果表明能够准确识别故障。将搭建的故障诊断策略模型与发动机整体控制策略进行对接,生成代码下载到目标ECU中,选取部分传感器的诊断策略进行离线仿真,通过模拟故障对诊断程序进行了验证。试验结果验证了论文搭建故障诊断系统的正确性及可行性,表明故障诊断系统可有效实现柴油机的故障诊断。
杨波[10]（2019）在《内燃机高原排放质量评价及故障诊断研究》文中研究指明中国高原面积大、风景秀丽,保护生态环境是新时代高原城市高质量发展的基本要求。高原城市汽车保有量逐年增加,已经成为高原大气污染的重要来源之一。同时,内燃机为机动车辆必不可少的核心组成部分,在高原环境下故障率显着提升,尾气排放污染进一步加深,更为重要的是带来了严重的安全隐患。当前高原城市消费者对于机动车的环保性和涉及安全性的故障预警和诊断智能化要求不断提升,是未来内燃机市场竞争的热点和焦点。开展内燃机排放质量评价和故障诊断决策知识库的研究对于云内动力有限股份公司发展和高原城市环境保护以及我国抢占内燃机标准高地具有重要的现实意义和社会意义。本研究依托云内动机实验平台,从生态环境保护和产品优化设计的双视角开展基于尾气信息的内燃机高原排放质量改进以及故障诊断知识应用研究。本研究主要工作分为四个核心部分:（1）内燃机高原排放特性统计分析。小缸径内燃机在排放性和经济性上都具有显着的优势,在未来市场竞争中具有优势,是本公司未来市场重点销售型号。本研究以小缸径内燃机为研究对象,开展内燃机高原排放实验设计,统计分析故障状态下和正常状态下的尾气排放特征,分析海拔变化对于尾气排放特征的影响。（2）内燃机排放质量综合评价研究。本研究提出利用区间数度量污染等级评价指标等级属性,然后基于可能度理论测算指标客观属性权重,并融合粗糙集法确定指标主观属性权重,进而构建内燃机排放质量可变模糊集评价模型,最后采用实例数据验证本方法的科学有效性,并对比分析海拔变化的影响,探讨不同减排方案的有效性。（3）内燃机故障智能化诊断模型研究。本研究提出一种新的基于IHS-RVM的内燃机故障诊断模型。为了获得性能更优的RVM诊断模型,对和声搜索（Harmony Search,HS）算法中HMCR、PAR和BW三参数获取方法进行改进,获得改进的和声算法（Improved Harmony Search,IHS）,然后,利用IHS进行RVM超参数寻优,进而利用尾气信息构建出了一种新的基于IHS-RVM的内燃机故障诊断模型。（4）内燃机故障诊断决策知识库设计。首先设计了知识库的表达方式,根据尾气信息和运行状态关系,建立了内燃机故障诊断决策知识库的规则库、事实库和专家库,并以排放质量模型和故障诊断模型为基础设计了推理机;同时,为提升知识库解释能力,设计了维保数据字典和知识检索模块,为内燃机故障诊断决策知识库实现奠定了基础。本研究的创新点主要体现在:（1）设计了一套内燃机在变海拔多工况下高原尾气排放信息试验方案。本研究提出在试验方案选择在省内最高海拔和最低海拔落差达到6000m以上云南进行;选定了符合高原特征且具有代表性的城市作为试验点,且控制了同一海拔和状态下的因素水平,减小了试验误差;该方案解决了实验数据和实际工况数据的差异性问题,揭示了内燃机在变海拔地区的尾气排放性能及基本规律。（2）构建了面向内燃机尾气信息特征的高原排放质量评价方法和故障诊断知识库。本研究提出了基于组合权重的内燃机高原排放质量可变模糊集评价模型,交叉应用了质量管理、模糊数学、机械工程理论等多学科知识,解决了定性评价存在的不足;同时,提出了一种融合粗糙集、和声算法以及RVM方法分别在属性简约、参数寻优和学习预测方面优势的组合方法,明晰了内燃机高原故障特征与尾气信息间的映射关系,并以智能决策知识系统理论为指导,设计了内燃机故障诊断决策知识库,解决了当前故障诊断精度低、效率低的问题。
二、基于复杂度的柴油机失火故障诊断方法（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、基于复杂度的柴油机失火故障诊断方法（论文提纲范文）
（1）柴油机气门间隙异常和失火故障智能诊断方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 柴油机故障诊断方法研究现状 |
| 1.2.2 时频分析和卷积神经网络研究现状 |
| 1.2.3 迁移学习方法研究现状 |
| 1.3 本文主要研究内容及章节安排 |
| 第二章 柴油机缸盖振动信号预处理 |
| 2.1 引言 |
| 2.2 柴油机故障模拟实验及缸盖振动信号采集 |
| 2.2.1 气门间隙异常故障模拟实验 |
| 2.2.2 失火故障模拟实验 |
| 2.2.3 缸盖振动信号采集 |
| 2.3 柴油机缸盖振动信号相位调整 |
| 2.3.1 基于键相和发火冲击的相位调整方法 |
| 2.3.2 基于组合冲击的相位调整方法 |
| 2.3.3 不同相位调整方法对比 |
| 2.4 柴油机缸盖振动信号降噪 |
| 2.4.1 基于EWT的振动信号分解方法 |
| 2.4.2 基于相关系数及时域特征的分量筛选方法 |
| 2.4.3 基于固定阈值的信号降噪方法 |
| 2.5 本章小结 |
| 第三章 基于时频分析和卷积神经网络的柴油机故障诊断方法 |
| 3.1 引言 |
| 3.2 柴油机缸盖振动信号时频变换方法 |
| 3.2.1 基于复morlet小波基的时频图像获取方法 |
| 3.2.2 时频聚焦特性分析 |
| 3.2.3 时频图像信息熵分析 |
| 3.3 基于Alexnet卷积神经网络的柴油机故障诊断模型 |
| 3.3.1 神经网络模型搭建 |
| 3.3.2 神经网络超参数优化 |
| 3.3.3 气门间隙故障诊断结果分析 |
| 3.4 本章小结 |
| 第四章 基于迁移学习的柴油机故障诊断方法 |
| 4.1 引言 |
| 4.2 基于finetune的柴油机故障诊断方法 |
| 4.2.1 Resnet50神经网络迁移模型 |
| 4.2.2 气门间隙异常故障诊断模型训练 |
| 4.2.3 气门间隙异常故障诊断结果分析 |
| 4.3 基于深度适配网络的柴油机故障诊断方法 |
| 4.3.1 深度适配网络模型搭建 |
| 4.3.2 模型训练过程参数设置 |
| 4.3.3 模型训练和测试结果分析 |
| 4.4 基于领域自适应的柴油机故障诊断方法 |
| 4.4.1 领域自适应迁移学习方法 |
| 4.4.2 气门间隙异常故障诊断模型训练和结果分析 |
| 4.4.3 失火故障诊断模型训练和结果分析 |
| 4.5 本章小结 |
| 第五章 工程实际应用 |
| 5.1 引言 |
| 5.2 20缸柴油机气门间隙故障 |
| 5.3 20缸柴油机失火故障 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者攻读学位期间发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（3）基于VMD多尺度散布熵的柴油机故障诊断方法（论文提纲范文）
| 前言 |
| 1 变分模态分解 |
| 2 多尺度散布熵 |
| 2.1 散布熵 |
| 2.2 多尺度散布熵 |
| 3 算法流程 |
| 4 实例分析 |
| 4.1 台架试验 |
| 4.2 信号分析 |
| 4.3 失火故障识别 |
| 5 结论 |
（4）基于信号特征分析的柴油机故障诊断方法研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 课题研究的目的和意义 |
| 1.2 柴油机故障诊断研究概况综述 |
| 1.2.1 柴油机典型故障类型研究概况 |
| 1.2.2 柴油机故障诊断方法研究概况 |
| 1.2.3 柴油机故障信号分析研究概况 |
| 1.3 本文的主要内容及结构安排 |
| 1.4 本章小结 |
| 第二章 基于领域对抗网络的故障特征提取方法 |
| 2.1 振动信号积分处理 |
| 2.2 时域-频域变换的积分方法 |
| 2.3 基于领域对抗网络的故障特征提取方法 |
| 2.3.1 领域对抗网络诊断模型结构 |
| 2.3.2 领域对抗网络原理 |
| 2.3.3 领域对抗网络过程 |
| 2.4 基于领域对抗网络的故障特征提取实验验证 |
| 2.4.1 故障模拟实验介绍 |
| 2.4.2 故障实验过程 |
| 2.4.3 故障实验结果 |
| 2.5 本章小结 |
| 第三章 基于时域信号与Noisy-Or模型的柴油机故障诊断研究 |
| 3.1 Noisy-Or模型诊断方法 |
| 3.1.1 Noisy-Or模型建立 |
| 3.1.2 泄漏概率和先验概率的设定 |
| 3.1.3 诊断网络结构 |
| 3.2 柴油机撞缸故障诊断模型研究 |
| 3.2.1 撞缸故障诊断 |
| 3.2.2 撞缸故障诊断推理网络 |
| 3.2.3 撞缸故障实验结果 |
| 3.3 柴油机拉缸故障诊断模型研究 |
| 3.3.1 拉缸故障诊断 |
| 3.3.2 拉缸故障诊断推理网络 |
| 3.3.3 拉缸故障实验过程及结果 |
| 3.4 柴油机轴瓦磨损故障诊断模型研究 |
| 3.4.1 轴瓦磨损故障诊断 |
| 3.4.2 轴瓦磨损诊断推理网络 |
| 3.4.3 轴瓦磨损故障实验过程及结果 |
| 3.5 本章小结 |
| 第四章 基于频域信号与Noisy-Max模型的柴油机故障诊断研究 |
| 4.1 Noisy-Max模型诊断方法介绍 |
| 4.2 柴油机失火故障诊断网络 |
| 4.3 故障模拟实验 |
| 4.3.1 故障模拟实验 |
| 4.3.2 模拟实验诊断结果 |
| 4.4 多工况下失火故障诊断 |
| 4.4.1 700rpm工况失火故障模拟实验 |
| 4.4.2 1000rpm工况失火故障模拟实验 |
| 4.4.3 1200rpm工况失火故障模拟实验 |
| 4.5 本章小结 |
| 第五章 故障诊断模拟实验及工程应用 |
| 5.1 实验台介绍 |
| 5.2 试验台故障模拟实验 |
| 5.2.1 撞缸故障模拟实验 |
| 5.2.2 拉缸故障模拟实验 |
| 5.2.3 轴瓦磨损故障模拟实验 |
| 5.3 工程应用案例 |
| 5.3.1 缸内失火故障 |
| 5.3.2 齿轮断齿故障 |
| 5.3.3 柴油机海水泵齿轮断齿 |
| 5.4 柴油机故障诊断知识库 |
| 5.5 本章小结 |
| 第六章 总结和展望 |
| 6.1 论文主要研究成果 |
| 6.2 研究创新点 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 北京化工大学博士研究生学位论文答辩委员会决议书 |
（5）变工况下柴油机故障在线监测与维修决策优化方法研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 变工况下柴油机故障在线监测与维修决策优化研究现状 |
| 1.2.1 柴油机振动信号提取与选择方法研究概况 |
| 1.2.2 柴油机工况识别方法研究概况 |
| 1.2.3 柴油机异常检测方法研究概况 |
| 1.2.4 柴油机故障诊断方法研究概况 |
| 1.2.5 柴油机维修决策方法研究概况 |
| 1.3 本文主要研究内容 |
| 第二章 柴油机振动信号特征提取与选择方法研究 |
| 2.1 柴油机实验台架 |
| 2.1.1 TBD234柴油机 |
| 2.1.2 测点布局 |
| 2.1.3 柴油机状态监测系统 |
| 2.2 振动信号多域特征 |
| 2.2.1 振动信号时域特征 |
| 2.2.2 振动信号角域特征 |
| 2.2.3 振动信号频域特征 |
| 2.2.4 振动信号时频域特征 |
| 2.3 特征相关性分析 |
| 2.4 基于多目标优化的特征选择方法 |
| 2.4.1 特征组合评价 |
| 2.4.2 特征选择目标函数 |
| 2.4.3 特征选择 |
| 2.5 本章小结 |
| 第三章 柴油机工况识别方法研究 |
| 3.1 柴油机的运行工况 |
| 3.2 基于多域特征和线性判别分析的工况识别方法 |
| 3.2.1 基于变分模态分解的工况特征提取 |
| 3.2.2 基于线性判别分析的工况识别方法 |
| 3.2.3 工况识别方法实验验证 |
| 3.3 基于一维卷积长短时记忆网络的工况识别方法 |
| 3.3.1 基于一维卷积神经网络的振动信号局部特征提取研究 |
| 3.3.2 自适应dropout方法研究 |
| 3.3.3 一维卷积长短时记忆网络模型 |
| 3.3.4 工况识别方法实验验证 |
| 3.4 本章小结 |
| 第四章 无故障数据下的柴油机异常预警方法研究 |
| 4.1 基于图像转化的数据增强 |
| 4.2 柴油机正常状态对应潜在空间建模 |
| 4.2.1 生成对抗网络原理 |
| 4.2.2 基于生成对抗网络的柴油机正常状态对应潜在空间建模 |
| 4.3 无故障数据下的异常检测方法 |
| 4.3.1 基于自编码网络的映射模型训练 |
| 4.3.2 基于生成对抗网络和自编码网络的异常检测方法 |
| 4.4 柴油机异常检测实例验证 |
| 4.4.1 实验数据 |
| 4.4.2 异常检测 |
| 4.5 本章小结 |
| 第五章 变工况下的柴油机故障诊断方法研究 |
| 5.1 变工况下柴油机失火故障诊断 |
| 5.1.1 整机工况识别 |
| 5.1.2 自适应失火故障诊断方法 |
| 5.2 变工况下柴油机气门间隙异常故障诊断 |
| 5.2.1 气门间隙异常故障模拟 |
| 5.2.2 气门间隙异常故障特征提取 |
| 5.2.3 变工况下基于软间隔支持向量机的气门间隙故障诊断方法 |
| 5.2.4 变工况下气门间隙异常故障诊断实例验证 |
| 5.3 考虑不平衡数据集的故障诊断方法 |
| 5.3.1 不平衡数据集对故障诊断模型的影响 |
| 5.3.2 基于改进SMOTE的故障诊断方法研究 |
| 5.3.3 基于不平衡振动数据集的故障诊断方法实例验证 |
| 5.4 本章小结 |
| 第六章 基于振动状态监测的维修决策优化方法研究 |
| 6.1 基于威布尔比例风险模型的柴油机状态评估 |
| 6.1.1 振动信号退化特征提取 |
| 6.1.2 威布尔比例风险模型 |
| 6.1.3 参数估计 |
| 6.2 维修决策优化方法 |
| 6.2.1 基于阈值的状态维修决策 |
| 6.2.2 维修决策阈值优化 |
| 6.2.3 柴油机健康管理 |
| 6.3 本章小结 |
| 第七章 实验与工程应用研究 |
| 7.1 变工况下柴油机典型故障模拟实验研究 |
| 7.1.1 变工况失火故障模拟 |
| 7.1.2 变工况气门间隙异常故障模拟 |
| 7.2 工程应用案例 |
| 7.2.1 失火故障诊断案例 |
| 7.2.2 气门间隙异常故障诊断及维修决策案例 |
| 7.3 本章小结 |
| 第八章 总结与展望 |
| 8.1 论文主要研究成果 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（6）基于状态智能预警驱动的柴油机IETM关键技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 柴油机故障传统监测诊断方法概况 |
| 1.2.2 柴油机故障智能监测诊断技术研究概况 |
| 1.2.3 IETM技术发展概况 |
| 1.3 前人的研究成果 |
| 1.3.1 柴油机监测诊断方面研究成果 |
| 1.3.2 智能诊断技术研究成果 |
| 1.3.3 IETM技术研究成果 |
| 1.4 论文结构与内容安排 |
| 第二章 柴油机典型机械故障分类与预警诊断技术 |
| 2.1 柴油机典型机械故障分类及其特征信号 |
| 2.1.1 柴油机典型机械故障分类 |
| 2.1.2 柴油机典型机械故障特征信号类型 |
| 2.2 柴油机典型机械故障监测预警方法 |
| 2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
| 2.2.2 基于振动信号角域分析的故障诊断预警方法 |
| 2.2.3 基于振动信号时频分析的故障监测预警方法 |
| 2.2.4 基于振动信号自适应的EMD智能预警方法 |
| 2.2.5 基于K近邻的柴油机故障识别预警方法 |
| 2.3 柴油机故障预警诊断技术难点 |
| 2.4 本章小结 |
| 第三章 柴油机连杆轴瓦故障监测预警方法研究 |
| 3.1 连杆小头衬套滑移故障 |
| 3.1.1 连杆小头衬套滑移故障机理 |
| 3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
| 3.2 连杆轴瓦磨损故障 |
| 3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
| 3.2.2 连杆轴瓦磨损故障特征 |
| 3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
| 3.3.1 SAW无源无线测温原理 |
| 3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
| 3.3.3 信号处理装置的设计 |
| 3.3.4 软件系统的设计 |
| 3.4 实验验证 |
| 3.4.1 高速单缸机配机试验 |
| 3.4.2 轴瓦磨损故障模拟试验 |
| 3.5 本章小结 |
| 第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
| 4.1 曲柄连杆简化模型的理论分析计算 |
| 4.1.1 曲柄连杆力学模型分析 |
| 4.1.2 曲柄模型简化 |
| 4.1.3 横向力作用下曲轴受力分析 |
| 4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
| 4.2 基于多体动力学仿真的故障特征研究 |
| 4.2.1 模型建立与参数设置 |
| 4.2.2 仿真过程 |
| 4.2.3 仿真结果分析 |
| 4.3 曲轴弯曲微变形故障监测预警方法 |
| 4.4 故障案例验证 |
| 4.4.1 传感器与测点布置 |
| 4.4.2 故障现象描述 |
| 4.4.3 数据分析与故障诊断结论 |
| 4.5 本章小结 |
| 第五章 柴油机典型机械故障智能预警诊断系统设计 |
| 5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
| 5.1.1 缸盖振动信号截止滤波预处理 |
| 5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
| 5.1.3 基于振动速度概率密度分布的功率识别方法 |
| 5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
| 5.2.1 训练集的构建 |
| 5.2.2 K值的确定 |
| 5.2.3 报警阈值动态学习方法 |
| 5.3 柴油机在线监测预警系统设计 |
| 5.3.1 系统总体设计 |
| 5.3.2 硬件方案 |
| 5.3.3 软件方案 |
| 5.4 工程应用案例 |
| 5.4.1 故障情况 |
| 5.4.2 报警信息与监测数据分析 |
| 5.4.3 故障原因探究 |
| 5.4.4 结论 |
| 5.5 本章小结 |
| 第六章 基于智能预警驱动的柴油机IETM架构设计 |
| 6.1 IETM平台的功能模块 |
| 6.1.1 多媒体制作工具 |
| 6.1.2 XML编辑器 |
| 6.1.3 公共源数据库 |
| 6.1.4 发布引擎 |
| 6.1.5 浏览器 |
| 6.2 标准IETM内容模块 |
| 6.3 IETM的开发流程 |
| 6.3.1 数据模块编码 |
| 6.3.2 数据模块需求列表(DMRL)编制 |
| 6.4 基于智能预警驱动的柴油机IETM架构设计 |
| 6.4.1 架构设计 |
| 6.4.2 具体实现 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与成果 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（7）基于自编码器深度特征提取的柴油发动机异常检测与故障诊断技术研究（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 柴油发动机故障诊断技术研究现状 |
| 1.3 自编码器研究现状 |
| 1.4 自编码器在故障诊断上的应用现状 |
| 1.5 本文主要研究内容 |
| 第二章 基于一维卷积自编码器的柴油发动机异常检测方法 |
| 2.1 引言 |
| 2.2 一维卷积自编码器原理 |
| 2.2.1 自编码器 |
| 2.2.2 一维卷积自编码器 |
| 2.3 基于一维卷积自编码器的异常检测模型 |
| 2.3.1 误差生成模型 |
| 2.3.2 异常检测模型 |
| 2.4 基于一维卷积自编码器的柴油发动机异常检测 |
| 2.4.1 1DCAE重构结果分析 |
| 2.4.2 异常检测性能分析 |
| 2.4.3 卷积核可视化 |
| 2.5 本章小结 |
| 第三章 基于栈式自编码器的柴油发动机特征提取与故障诊断 |
| 3.1 引言 |
| 3.2 栈式自编码器原理 |
| 3.3 SAE的特征提取性能分析 |
| 3.3.1 提取出的特征 |
| 3.3.2 特征性能评估指标 |
| 3.3.3 各特征提取方法对比分析 |
| 3.4 栈式自编码器故障诊断模型 |
| 3.4.1 节点随机丢弃技巧 |
| 3.4.2 模型的搭建 |
| 3.5 基于栈式自编码器的故障诊断模型性能验证 |
| 3.5.1 故障诊断结果分析 |
| 3.5.2 输入方式对比分析 |
| 3.5.3 与其他算法对比分析 |
| 3.6 本章小结 |
| 第四章 基于改进变分自编码器的柴油发动机故障诊断方法 |
| 4.1 引言 |
| 4.2 基于改进变分自编码器的故障诊断模型 |
| 4.2.1 变分自编码器 |
| 4.2.2 和声搜索优化算法 |
| 4.2.3 提出的故障诊断模型 |
| 4.3 基于改进变分自编码器的柴油发动机故障诊断 |
| 4.3.1 模型超参数研究 |
| 4.3.2 超参数自动优化 |
| 4.3.3 特征提取可视化分析 |
| 4.3.4 非稳定工况下的故障诊断性能对比分析 |
| 4.3.5 与其他方法对比分析 |
| 4.4 本章小结 |
| 第五章 柴油发动机故障模拟实验与状态监测故障案例分析 |
| 5.1 引言 |
| 5.2 柴油发动机气门故障模拟实验 |
| 5.2.1 实验台搭建 |
| 5.2.2 实验目的与意义 |
| 5.2.3 实验过程 |
| 5.2.4 实验结果分析 |
| 5.3 柴油发动机状态监测项目典型故障案例分析 |
| 5.3.1 缸内失火故障案例分析 |
| 5.3.2 气门弹簧断裂故障案例分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者与导师简介 |
| 附件 |
（8）基于DSP的柴油机监测系统研发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 柴油机监测系统国内外研究现状 |
| 1.2.1 柴油机监测参数国内外研究现状 |
| 1.2.1.1 热工参数 |
| 1.2.1.2 油液 |
| 1.2.1.3 瞬时转速 |
| 1.2.1.4 振动 |
| 1.2.1.5 噪声 |
| 1.2.2 柴油机故障诊断技术国内外研究现状 |
| 1.2.2.1 基于数学模型 |
| 1.2.2.2 人工神经网络 |
| 1.2.2.3 支持向量机 |
| 1.2.2.4 粗糙集和模糊理论 |
| 1.2.2.5 信息融合技术 |
| 1.3 论文研究内容及章节安排 |
| 第二章 柴油机监测系统硬件设计 |
| 2.1 DSP56F807介绍 |
| 2.2 柴油机监测系统硬件总体设计 |
| 2.3 DSP控制器硬件电路设计 |
| 2.3.1 电源电路设计 |
| 2.3.2 复位电路设计 |
| 2.3.3 时钟电路设计 |
| 2.3.4 JTAG接口电路设计 |
| 2.3.5 串口通讯电路设计 |
| 2.3.6 DSP控制器PCB设计 |
| 2.4 柴油机监测系统信号测量及调理电路设计 |
| 2.4.1 蓄电池电压信号调理电路设计 |
| 2.4.2 蓄电池电流信号调理电路设计 |
| 2.4.3 蓄电池内阻测量电路设计 |
| 2.4.3.1 内阻检测方案设计 |
| 2.4.3.2 内阻测量电路设计 |
| 2.4.4 曲轴转速信号调理电路设计 |
| 2.4.5 缸盖振动信号调理电路设计 |
| 2.4.6 喷油压力信号调理电路设计 |
| 2.5 本章小结 |
| 第三章 柴油机监测系统软件设计 |
| 3.1 软件开发环境介绍 |
| 3.1.1 Code Warrior介绍 |
| 3.1.2 Lab VIEW介绍 |
| 3.2 柴油机监测系统软件总体设计 |
| 3.3 信号采集与传输程序设计 |
| 3.3.1 模数转换程序 |
| 3.3.2 转速采集程序 |
| 3.3.3 串口通讯程序 |
| 3.4 振动信号降噪程序设计 |
| 3.4.1 小波变换概述 |
| 3.4.1.1 小波变换数学定义 |
| 3.4.1.2 阈值降噪理论 |
| 3.4.2 小波降噪实时性影响因素 |
| 3.4.2.1 小波指令周期模型 |
| 3.4.2.2 阈值函数 |
| 3.4.2.3 阈值 |
| 3.4.3 快速小波降噪参数选择 |
| 3.4.3.1 分解层数选择 |
| 3.4.3.2 最优小波基选择 |
| 3.4.4 快速小波降噪程序设计 |
| 3.5 Lab VIEW程序设计 |
| 3.6 本章小结 |
| 第四章 基于信息融合的故障诊断方法 |
| 4.1 RBF神经网络概述 |
| 4.2 基于粒子群算法优化的RBF神经网络 |
| 4.2.1 粒子群优化算法概述 |
| 4.2.2 粒子群算法优化RBF神经网络实现 |
| 4.3 基于信息融合的故障诊断方法 |
| 4.4 本章小结 |
| 第五章 柴油机监测系统测试 |
| 5.1 监测功能测试 |
| 5.1.1 蓄电池电压测试 |
| 5.1.2 蓄电池电流测试 |
| 5.1.3 蓄电池内阻测试 |
| 5.1.4 转速测试 |
| 5.1.5 缸盖振动测试 |
| 5.1.6 喷油压力测试 |
| 5.2 单缸失火故障诊断测试 |
| 5.3 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 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（9）高压共轨柴油机故障诊断关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外发动机OBD法规研究现状 |
| 1.2.1 国外OBD法规发展研究 |
| 1.2.2 国内OBD法规发展研究 |
| 1.3 当前故障诊断理论及国内外研究现状 |
| 1.3.1 国外柴油机故障诊断理论研究现状 |
| 1.3.2 国内柴油机故障诊断理论研究现状 |
| 1.4 本文主要研究内容及技术路线 |
| 第二章 高压共轨柴油机故障诊断系统分析 |
| 2.1 满足国VI排放的高压共轨柴油机故障诊断需求分析 |
| 2.1.1 高压共轨柴油机ECU功能结构组成 |
| 2.1.2 故障监控内容 |
| 2.1.3 故障诊断系统组成 |
| 2.2 故障监控策略 |
| 2.3 故障管理模块 |
| 2.3.1 预消抖 |
| 2.3.2 故障诊断检查处理 |
| 2.3.3 故障诊断事件存储 |
| 2.3.4 故障诊断抑制处理程序 |
| 2.4 本章小结 |
| 第三章 高压共轨柴油机典型部件故障诊断策略研究 |
| 3.1 轨压传感器故障诊断策略研究 |
| 3.1.1 轨压传感器信号范围检测 |
| 3.1.2 漂移故障检查 |
| 3.1.3 失效处理策略 |
| 3.1.4 模型仿真 |
| 3.2 燃油温度传感器故障诊断策略研究 |
| 3.2.1 燃油温度传感器信号范围检测 |
| 3.2.2 燃油温度信号合理性检测 |
| 3.2.3 模型仿真 |
| 3.3 轨压梯度故障诊断策略研究 |
| 3.3.1 故障监控策略 |
| 3.3.2 故障失效处理策略 |
| 3.3.3 模型仿真 |
| 3.4 基于燃油计量单元的轨压监控策略研究 |
| 3.4.1 燃油计量单元的故障监控策略 |
| 3.4.2 轨压监控策略 |
| 3.5 曲轴位置传感器故障诊断策略研究 |
| 3.5.1 故障原因分析 |
| 3.5.2 基于模型的故障诊断 |
| 3.5.3 结合逻辑诊断的模型诊断法 |
| 3.5.4 故障诊断建模及仿真 |
| 3.5.5 曲轴位置传感器故障诊断试验 |
| 3.6 本章小结 |
| 第四章 高压共轨柴油机失火诊断研究 |
| 4.1 失火故障仿真 |
| 4.1.1 基于AMESim的发动机仿真模型介绍 |
| 4.1.2 失火故障模拟 |
| 4.2 失火故障特征分析 |
| 4.2.1 瞬时转速信号特征理论分析 |
| 4.2.2 失火故障特征计算 |
| 4.3 SOM神经网络的失火诊断方法实现 |
| 4.4 基于段角加速度的逻辑诊断法 |
| 4.4.1 失火诊断条件检查 |
| 4.4.2 失火检测 |
| 4.4.3 失火故障诊断 |
| 4.5 模型仿真及验证 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A 攻读学位期间发表论文目录 |
（10）内燃机高原排放质量评价及故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及问题的提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题的提出 |
| 1.2 研究目的和研究意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 内燃机尾气高原排放特征相关研究 |
| 1.3.2 内燃机故障诊断模型及方法相关研究 |
| 1.3.3 内燃机故障诊断专家知识库系统相关研究进展 |
| 1.3.4 文献评述 |
| 1.4 研究范围的界定 |
| 1.4.1 研究对象的界定 |
| 1.4.2 试验范围的界定 |
| 1.5 研究思路、方法和技术路线 |
| 1.5.1 研究思路 |
| 1.5.2 研究方法与技术路线 |
| 1.6 研究内容和创新点 |
| 1.6.1 主要研究内容 |
| 1.6.2 创新点 |
| 第二章 基本概念和基础理论分析 |
| 2.1 基本概念简介 |
| 2.1.1 高原及其环境的基本特征 |
| 2.1.2 内燃机排放及其危害性 |
| 2.1.3 智能决策支持系统 |
| 2.2 基础理论分析 |
| 2.2.1 可持续发展理论 |
| 2.2.2 知识管理理论 |
| 第三章 内燃机高原排放信息的试验调查设计 |
| 3.1 排放信息获取试验调查设计 |
| 3.1.1 试验方案设计 |
| 3.1.2 试验设备和仪器清单 |
| 3.1.3 试验地点和工况情况 |
| 3.2 排放数据采集 |
| 3.2.1 正常状态数据收集 |
| 3.2.2 故障状态数据收集 |
| 3.3 排放信息预处理与分析方法 |
| 3.3.1 排放信息预处理 |
| 3.3.2 排放信息分析方法 |
| 3.4 本章小结 |
| 第四章 内燃机高原排放信息特征统计分析 |
| 4.1 不同状态下气体污染物排放统计分析 |
| 4.1.1 正常状态下气体污染物排放统计分析 |
| 4.1.2 故障状态下气体污染物排放统计分析 |
| 4.2 不同状态下颗粒物排放统计分析 |
| 4.2.1 正常状态下颗粒物统计分析 |
| 4.2.2 故障状态下颗粒物统计分析 |
| 4.3 海拔因素对内燃机高原排放的影响分析 |
| 4.3.1 海拔因素对正常状态下排放的影响分析 |
| 4.3.2 海拔因素对故障状态下排放的影响分析 |
| 4.4 本章小结 |
| 第五章 内燃机高原排放质量可变模糊评价研究 |
| 5.1 内燃机排放质量评价指标体系构建 |
| 5.1.1 评价指标体系构建原则 |
| 5.1.2 评价指标体系构建过程 |
| 5.1.3 评价指标维度构成及等级标准 |
| 5.2 内燃机排放质量评价模型构建 |
| 5.2.1 可变模糊集模型原理 |
| 5.2.2 可变模糊集模型的权重优化 |
| 5.2.3 基于组合权重的可变模糊评价模型构建 |
| 5.3 内燃机排放质量可变模糊评价 |
| 5.3.1 组合权重的确定 |
| 5.3.2 评价过程及结果分析 |
| 5.4 本章小结 |
| 第六章 基于排放信息的内燃机故障诊断及知识库设计研究 |
| 6.1 基于排放信息的内燃机故障诊断机理 |
| 6.1.1 气体污染物判断故障的机理 |
| 6.1.2 固体颗粒物判断故障的机理 |
| 6.2 超参数优化的内燃机故障诊断RVM模型 |
| 6.2.1 相关向量机模型原理 |
| 6.2.2 相关向量机模型的参数寻优 |
| 6.2.3 内燃机故障诊断模型构建 |
| 6.3 内燃机故障诊断模型性能评价 |
| 6.3.1 内燃机故障诊断模型性能评价指标 |
| 6.3.2 内燃机故障诊断模型性能评价 |
| 6.3.3 多种模型性能对比分析 |
| 6.4 内燃机故障诊断决策知识库设计 |
| 6.4.1 内燃机故障诊断决策知识库需求分析 |
| 6.4.2 内燃机故障诊断决策知识库总体设计 |
| 6.4.3 内燃机故障诊断决策知识库的详细设计 |
| 6.5 本章小结 |
| 第七章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究不足及展望 |
| 参考文献 |
| 致谢 |
| 附录 |
四、基于复杂度的柴油机失火故障诊断方法（论文参考文献）
- [1]柴油机气门间隙异常和失火故障智能诊断方法研究[D]. 赵志坚. 北京化工大学, 2021
- [2]基于Noisy-Max模型和邻、对缸振动信号的柴油机失火故障概率诊断[J]. 刘嘉蒙,马波,江志农. 内燃机学报, 2020(06)
- [3]基于VMD多尺度散布熵的柴油机故障诊断方法[J]. 乔新勇,顾程,韩立军. 汽车工程, 2020(08)
- [4]基于信号特征分析的柴油机故障诊断方法研究[D]. 刘嘉蒙. 北京化工大学, 2020(01)
- [5]变工况下柴油机故障在线监测与维修决策优化方法研究与应用[D]. 赖岳华. 北京化工大学, 2020(01)
- [6]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [7]基于自编码器深度特征提取的柴油发动机异常检测与故障诊断技术研究[D]. 陈鲲. 北京化工大学, 2020(02)
- [8]基于DSP的柴油机监测系统研发[D]. 应铭. 石家庄铁道大学, 2020(04)
- [9]高压共轨柴油机故障诊断关键技术研究[D]. 吕其峰. 昆明理工大学, 2020(04)
- [10]内燃机高原排放质量评价及故障诊断研究[D]. 杨波. 昆明理工大学, 2019(06)