基于概率神经网络的船舶柴油机故障诊断方法研究

目录

声明

第1章 绪论

1.1 课题背景

1.2 机械故障诊断技术的国内外研究现状

1.2.1 信号处理技术国内外研究现状

1.2.2 故障诊断技术国内外研究现状

1.3 论文的主要内容

第2章 船舶柴油机故障诊断机理

2.1 船舶柴油机的结构原理和故障模式

2.1.1 船舶柴油机的基本结构

2.1.2 船舶柴油机的工作原理

2.1.3 柴油机主要故障模式

2.2 柴油机振动特性

2.2.1 柴油机振动激励源分析

2.2.2 测点的选择

2.2.3 信号采集

2.3 缸盖信号的特性分析

（1）缸盖振动信号的时域特性

（2）缸盖振动信号的频域特性

2.4 本章小结

第3章 柴油机振动信号小波去噪

3.1 缸盖振动数据预处理

3.1.1 振动数据去除线性趋势项

3.1.2 振动数据的平滑处理

3.1.3 柴油机振动信号的预处理

3.2 小波阈值去噪

3.2.1 小波阈值去噪原理

3.2.2 小波函数的选择

3.2.3 阈值和阈值函数的选择

3.2.4 去噪效果的性能指标

3.3 改进的小波阈值去噪方法

3.3.1 改进的阈值函数

3.3.2 改进的小波阈值方法可行性分析

3.3.3 改进的小波阈值方法的仿真验证

3.4 改进的小波阈值去噪方法在柴油机中的应用

3.5 本章小结

第4章 基于堆栈自编码网络的柴油机振动信号特征提取

4.1 时域频域特征提取方法

4.2 小波包能量特征提取

4.3 基于堆栈自动编码器的柴油机振动信号特征提取方法

4.3.1 自动编码器

4.3.2 堆栈自动编码器

4.3.3 栈式自编码网络算法步骤

4.3.4 栈式自编码网络的参数

4.4 本章小结

第5章 基于概率神经网络的船舶柴油机故障诊断

5.1 PCA特征降维

5.1.1 PCA主成分分析基本思想

5.1.2 主成分分析法的几何和代数意义

5.1.3 样本主成分选择和算法步骤

5.2 概率神经网络

5.2.1 理论基础

5.2.2 PNN网络模型

5.3 人工鱼群算法优化参数

5.3.1 人工鱼基本行为

5.3.2 人工鱼群算法优化步骤

5.4 案例分析

5.4.1 主成分分析法降维处理

5.4.2 故障诊断

5.5 本章小结

第6章 结论

6.1 本文的总结

6.2 创新点

6.3 本文的展望

致谢

参考文献

攻读硕士学位期间研究成果