柴油发动机故障诊断技术2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

柴油发动机故障诊断技术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

第1章 绪论1

1.1 柴油发动机故障诊断技术研究的意义1

1.2 柴油机常见的故障及故障诊断研究的内容2

1.2.1 柴油机故障分类和常见的故障2

1.2.2 柴油机故障诊断研究的内容2

1.3 柴油机故障诊断技术的现状和发展3

1.3.1 柴油机状态信号的检测方法4

1.3.2 柴油机信号处理和故障特征提取方法5

1.3.3 柴油机故障模式识别技术6

1.3.4 柴油机故障诊断技术的发展趋势8

第2章 传感器与柴油机数据采集技术9

2.1 传感器的组成与分类9

2.1.1 传感器的组成9

2.1.2 传感器的分类10

2.2 车载传感技术10

2.2.1 位置传感器10

2.2.2 速度与加速度传感器14

2.2.3 温度传感器16

2.2.4 压力传感器17

2.2.5 其他传感器19

2.3 图像传感技术22

2.3.1 CCD图像传感器23

2.3.2 CMOS图像传感器25

2.3.3 图像传感器的应用26

2.4 智能传感技术28

2.4.1 智能传感器概述28

2.4.2 智能传感器的应用31

2.5 数据采集技术33

2.5.1 数据采集系统的结构和功能33

2.5.2 采样定理与A/D转换34

2.5.3 数据采集常用电路50

2.5.4 采集数据的预处理56

2.5.5 数据采集系统设计的一般步骤59

2.6 发动机非稳态振动信号采集系统60

2.6.1 传感器与测试部位的确定60

2.6.2 触发转速和采样频率的选择61

2.6.3 调理电路设计62

2.6.4 非稳态信号采集的重复性设计63

2.6.5 非稳态振动信号测量与分析64

2.7 本章小结68

第3章 Hilbert-Huang变换与柴油机故障诊断70

3.1 Hilbert-Huang变换的基本原理70

3.1.1 本征模态函数（IMF）70

3.1.2 经验模态分解方法70

3.1.3 Hilbert谱与Hilbert边际谱71

3.1.4 EEMD分解原理72

3.2 基于EMD-AR谱的柴油机故障特征提取73

3.2.1 EMD-AR谱方法的提出73

3.2.2 连杆轴承振动信号的EMD-AR谱分析74

3.3 基于EEMD-SVD变换的柴油机故障特征提取77

3.3.1 奇异值分解原理77

3.3.2 基于EEMD和SVD的柴油机振动信号分析算法77

3.3.3 基于EEMD和SVD的柴油机连杆轴承振动信号分析78

3.4 本章小结82

第4章 基于循环平稳理论的柴油机故障诊断83

4.1 循环平稳理论及其应用83

4.1.1 循环平稳理论83

4.1.2 循环平稳理论的应用83

4.2 柴油发动机振动信号的二阶循环平稳性分析84

4.2.1 循环自相关函数及循环谱密度函数84

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90

4.2.3 柴油发动机振动信号的二阶循环平稳性分析94

4.3 柴油发动机振动信号的高阶循环平稳性分析102

4.3.1 高阶统计量理论102

4.3.2 高阶循环统计量理论104

4.3.3 柴油发动机振动信号的高阶循环平稳性分析107

4.4 本章小结116

第5章 基于阶比跟踪算法的柴油机故障诊断技术117

5.1 阶比跟踪算法的基本理论117

5.1.1 阶比跟踪技术的研究动态117

5.1.2 模拟阶比跟踪技术117

5.1.3 计算阶比跟踪技术119

5.1.4 无转速计阶比跟踪技术124

5.1.5 阶比提取技术129

5.2 基于整工作循环阶比跟踪谱和FCM的柴油机故障诊断134

5.2.1 整工作循环阶比跟踪谱方法134

5.2.2 转速信号的处理134

5.2.3 FCM算法及择近原则135

5.2.4 应用实例137

5.3 基于阶比双谱的柴油机故障特征提取140

5.3.1 基于非参数法的双谱估计140

5.3.2 阶比双谱定义及仿真算例141

5.3.3 应用实例143

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147

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147

5.4.2 基于瞬时频率估计的无转速计阶比跟踪算法研究150

5.5 本章小结153

第6章 图像处理技术与柴油机故障诊断154

6.1 基于对称极坐标方法柴油机振动信号特征提取154

6.1.1 基于对称极坐标图像的生成方法154

6.1.2 基于对称极坐标方法振动信号特征提取158

6.2 基于灰度共生矩阵方法的柴油机振动信号特征提取165

6.2.1 灰度图像纹理特征提取方法165

6.2.2 振动信号灰度图像生成与特征提取167

6.3 本章小结170

第7章 粗糙集数据挖掘算法与柴油机故障诊断171

7.1 数据挖掘的过程模型与数据挖掘的基本方法171

7.1.1 数据挖掘的过程模型与挖掘步骤171

7.1.2 数据挖掘的数据库类型172

7.1.3 常用数据挖掘方法173

7.2 基于粗糙集理论的数据挖掘算法175

7.2.1 决策系统与不可分辨关系176

7.2.2 粗糙集的下近似、上近似、边界区和近似精度176

7.2.3 属性约简177

7.2.4 粗糙集的特点180

7.3 基于可变精度粗糙集理论的数据挖掘技术180

7.4 基于粗糙集理论的数据挖掘举例181

7.4.1 信号处理与产生决策表182

7.4.2 属性对决策近似精度的计算184

7.4.3 属性约简185

7.4.4 决策规则产生187

7.4.5 根据变精度粗糙集模型188

7.5 本章小结189

第8章 模糊诊断技术与柴油机故障诊断190

8.1 模糊诊断基本原理及应用190

8.1.1 汽车故障诊断中的模糊性190

8.1.2 模糊诊断原理191

8.1.3 隶属函数的确定192

8.1.4 模糊诊断矩阵的构造197

8.1.5 模糊诊断方法198

8.1.6 柴油机故障模糊诊断举例202

8.2 模糊规则与模糊推理系统及应用204

8.2.1 模糊规则与模糊推理204

8.2.2 模糊推理系统205

8.3 模糊神经网络及应用207

8.3.1 神经网络与模糊推理系统的关系207

8.3.2 神经网络—模糊推理系统融合机理208

8.3.3 模糊神经网络209

8.3.4 基于集成模糊神经网络的柴油机故障诊断213

8.4 本章小结219

第9章 基于信息融合技术的柴油机故障诊断220

9.1 信息融合概述220

9.1.1 信息融合的定义220

9.1.2 信息融合的数学依据220

9.1.3 信息融合的级别222

9.2 D-S证据理论基本原理224

9.2.1 基本概念224

9.2.2 合成和决策规则225

9.2.3 SVDD与证据理论的结合225

9.3 基于SVDD和D-S理论的柴油机故障诊断实例226

9.3.1 两级信息融合的柴油机故障诊断模型226

9.3.2 基于两级信息融合技术的曲轴轴承故障诊断227

9.4 本章小结230

第10章 高压共轨电控系统故障诊断与维修231

10.1 电控系统故障检测程序和方法231

10.1.1 故障诊断的基本原则231

10.1.2 电控发动机故障诊断的基本方法233

10.1.3 电控发动机故障诊断的基本流程234

10.1.4 故障征兆的模拟方法235

10.1.5 基本检查236

10.2 汽车自诊断系统237

10.2.1 自诊断原理与故障码238

10.2.2 自诊断故障信息显示238

10.2.3 第二代随车诊断系统（OBD-Ⅱ）238

10.2.4 备用系统241

10.3 故障码与数据流分析242

10.3.1 故障码分析242

10.3.2 数据流分析249

10.4 维修常用工具和仪表258

10.4.1 诊断跨接线258

10.4.2 测试灯259

10.4.3 测试针261

10.4.4 万用表261

10.4.5 诊断仪267

10.5 本章小结271

第11章 基于MAS的车辆故障诊断专家系统272

11.1 Multi-Agent技术与专家系统272

11.1.1 Agent、MAS的定义272

11.1.2 专家系统的基本概念与设计原理272

11.1.3 Multi-Agent技术与专家系统274

11.2 基于MAS的车辆故障诊断专家系统的体系结构275

11.2.1 Multi-Agent技术275

11.2.2 基于MAS的军用车辆故障诊断专家系统体系结构277

11.2.3 各Agent模块功能介绍278

11.3 车辆故障诊断知识表达与专家系统知识库设计280

11.3.1 汽车故障诊断知识的表示280

11.3.2 知识库的建立与维护285

11.4 推理机和解释系统的分析与设计289

11.4.1 推理方式289

11.4.2 基于案例的推理289

11.4.3 基于规则的推理291

11.4.4 基于神经网络的推理292

11.4.5 解释系统的分析与设计292

11.5 基于MAS的车辆故障诊断专家系统集成与应用举例293

11.5.1 基于MAS的军用车辆故障诊断专家系统集成293

11.5.2 基于MAS的车辆故障诊断专家系统应用举例296

11.6 本章小结302

参考文献303