第1章  国内外研究现状
  1.1  研究背景及意义
  1.2  柴油机故障诊断方法研究现状
    1.2.1  柴油机故障统计与分类
    1.2.2  瞬时转速信号在柴油机故障诊断中的应用
    1.2.3  缸盖振动信号在柴油机故障诊断中的应用
    1.2.4  声学信号在柴油机故障诊断中的应用
  1.3  阶比跟踪技术研究
    1.3.1  模拟阶比跟踪技术
    1.3.2  计算阶比跟踪技术
    1.3.3  无转速计阶比跟踪技术
    1.3.4  阶比提取技术
  1.4  基于数据融合的机械故障诊断方法
    1.4.1  信号降噪及预处理方法
    1.4.2  故障特征提取方法
    1.4.3  故障特征降维方法
    1.4.4  故障特征分类方法
    1.4.5  决策层融合诊断方法
第2章  发动机瞬时转速的精确计算及其应用
  2.1  引言
  2.2  瞬时转速软件计算法
    2.2.1  瞬时转速软件计算原理
    2.2.2  瞬时转速计算算法实现
  2.3  瞬时转速信号角域滤波处理及计算误差分析
    2.3.1  匀加速工况角域滤波方法对比仿真分析
    2.3.2  波动加速工况角域滤波方法对比仿真分析
  2.4  基于高频时钟计数的瞬时转速硬件计算法
    2.4.1  高频时钟计数原理及误差分析
    2.4.2  高频时钟计数电路设计与误差分析
  2.5  某型八缸柴油机瞬时转速信号测试与分析
    2.5.1  测试系统搭建
    2.5.2  瞬时转速信号角域波形分析
    2.5.3  瞬时转速信号阶次谱分析
    2.5.4  基于阶次域滤波的瞬时转速信号分离与提取
  2.6  基于瞬时转速的多缸柴油机故障检测方法
    2.6.1  瞬时转速信号阶次特征提取方法
    2.6.2  瞬时转速信号角域波动特征提取方法
    2.6.3  柴油机故障检测实验
  2.7  基于瞬时转速的某型柴油机故障检测软件开发
  2.8  本章小结
第3章  发动机振动噪声信号的阶比跟踪算法
  3.1  引言
  3.2  阶比分析原理
    3.2.1  阶比分析的定义
    3.2.2  角域采样定理
    3.2.3  频域分析与阶比分析对比
  3.3  变采样率变采样阶比的阶比跟踪算法研究
    3.3.1  发动机在线监测信号特点分析
    3.3.2  发动机状态在线监测系统结构
    3.3.3  变采样率变采样阶比的阶比跟踪实现方法
    3.3.4  发动机变速工况实测信号阶比分析
  3.4  基于瞬时频率估计的无转速计阶比跟踪研究
    3.4.1  瞬时频率的定义
    3.4.2  单分量和多分量信号
    3.4.3  瞬时频率估计
    3.4.4  基于瞬时频率估计的无转速计阶比跟踪算法研究
    3.4.5  加速状态无转速计的阶比分析仿真研究
    3.4.6  波动变速状态无转速计的阶比分析仿真研究
    3.4.7  无转速计的阶比分析实验研究
  3.5  本章小结
第4章  发动机振动噪声信号的阶比滤波及阶比提取
  4.1  引言
  4.2  基于实值离散Gabor变换的阶比滤波及阶比提取
    4.2.1  实值离散Gabor变换原理
    4.2.2  阶比跟踪滤波及阶比提取原理
    4.2.3  基于实值离散Gabor变换的阶比跟踪滤波及阶比提取
    4.2.4  阶比跟踪滤波仿真分析
    4.2.5  加速状态阶比提取仿真分析
  4.3  基于Vold-Kalman滤波的阶比跟踪研究
    4.3.1  Vold-Kalman跟踪滤波
    4.3.2  Vold-Kalman滤波器阶比分量求解算法
    4.3.3  加速状态Vold-Kalman跟踪滤波仿真分析
  4.4  交叉阶比信号跟琮滤波仿真对比研究
    4.4.1  基于Gabor变换法的交叉阶比提取
    4.4.2  基于Vold-Kalman跟踪滤波的交叉阶比提取
  4.5  临近阶比信号跟踪滤波仿真对比研究
    4.5.1  基于Gabor变换法的临近阶比提取
    4.5.2  基于Vold-Kalman跟踪滤波的临近阶比提取
  4.6  发动机临近阶比信号跟踪滤波实验对比
    4.6.1  基于Gabor变换法的临近阶比提取
    4.6.2  基于Vold-Kalman跟踪滤波的临近阶比提取
  4.7  本章小结
第5章  阶比跟踪在曲轴及连杆轴承故障诊断中的应用
  5.1  引言
  5.2  试验系统相关设置
  5.3  基于时频分析及阶比跟踪的曲轴轴承故障诊断研究
    5.3.1  加速工况振动信号的时频分析及阶比跟踪
    5.3.2  匀速工况振动信号的时频分析及阶比跟踪
    5.3.3  故障特征提取及故障诊断研究
  5.4  基于共振解调及阶比跟踪的连杆轴承故障诊断研究
    5.4.1  振动信号共振解调
    5.4.2  加速工况振动信号的时频分析
    5.4.3  阶比跟踪及共振解调仿真分析
    5.4.4  故障特征提取及故障诊断研究
  5.5  本章小结
第6章  基于阶比跟踪与ELM的复合故障在线诊断
  6.1  引言
  6.2  试验系统相关设置
  6.3  缸盖振动信号分析及故障特征提取
    6.3.1  缸盖振动信号的产生机理
    6.3.2  匀速及变速工况缸盖振动信号分析及信号处理
    6.3.3  匀速及变速工况缸盖振动信号特征值提取
  6.4  缸盖振动信号实测特征值分析
    6.4.1  失火故障诊断特征值分析
    6.4.2  配气相位类故障诊断特征值分析
  6.5  极限学习机及其改进算法研究
    6.5.1  极限学习机
    6.5.2  正则极限学习机
    6.5.3  并行在线正则极限学习机
  6.6  基于POS-RELM的发动机复合故障在线诊断研究
    6.6.1  故障诊断特征值选择及归一化处理
    6.6.2  多类故障在线诊断准确率交叉检验
  6.7  本章小结
第7章  缸盖振动信号的自适应多尺度时频分解及特征提取方法
  7.1  引言
  7.2  柴油机缸盖振动信号特性分析
    7.2.1  缸盖振动信号的激振力分析
    7.2.2  缸盖振动信号的时频特性分析
  7.3  柴油机故障模拟实验
    7.3.1  实验工况设置
    7.3.2  实验系统搭建
    7.3.3  缸盖振动信号采集与降噪
  7.4  基于独立变分模态分解的缸盖振动信号多尺度时频分解
    7.4.1  变分模态分解的基本原理
    7.4.2  基于频谱循环相干系数的信号边界延拓方法
    7.4.3  多尺度核独立成分分析
    7.4.4  仿真信号分析
    7.4.5  缸盖振动信号分析
  7.5  缸盖振动信号统计学特征参数提取
  7.6  基于IVMD的缸盖振动信号非线性动力学特征提取
    7.6.1  复合多尺度模糊熵偏均值
    7.6.2  双标度分形维数
    7.6.3  缸盖振动信号的CMFEPM特征参数提取
    7.6.4  缸盖振动信号的双标度分形维数特征提取
  7.7  本章小结
第8章  缸盖振动信号的图像特征提取方法
  8.1  引言
  8.2  基于对称极坐标变换的图像形状特征提取方法
    8.2.1  对称极坐标变换的基本原理
    8.2.2  基于数学形态学滤波的图像降噪方法
    8.2.3  图像形状特征参数提取
    8.2.4  缸盖振动信号的对称极坐标图像分析
    8.2.5  缸盖振动信号对称极坐标图像形状特征参数提取
  8.3  基于同步提取广义S变换的振动信号时频分析
    8.3.1  广义S变换理论
    8.3.2  同步提取广义S变换理论
    8.3.3  仿真信号分析
    8.3.4  柴油机缸盖信号的SEGST时频分析
  8.4  基于二维非负矩阵分解的缸盖振动信号时频特征提取
    8.4.1  非负矩阵分解
    8.4.2  二维非负矩阵分解
    8.4.3  基于2DNMF的缸盖振动信号时频特征提取
  8.5  基于增强CSLBP的缸盖振动信号时频谱纹理特征提取
    8.5.1  中心对称局部二值模式
    8.5.2  增强CSLBP算法
    8.5.3  缸盖振动信号的ECSLBP纹理谱特征提取
  8.6  本章小结
第9章  多域多类型故障特征数据集融合分类方法
  9.1  引言
  9.2  基于量子粒子群优化的核极限学习机分类方法研究
    9.2.1  核极限学习机的基本原理
    9.2.2  基于量子粒子群优化的核极限学习机
    9.2.3  标准数据库分类实验
    9.2.4  柴油机故障特征分类实验
  9.3  增量半监督稀疏核极限学习机的在线建模方法研究
    9.3.1  基于Tri-training算法的样本预标记
    9.3.2  基于样本信息度量在线更新稀疏测量矩阵
    9.3.3  ISSKELM的核权重矩阵在线更新
  9.4  基于ISSKELM的柴油机故障在线诊断实验
  9.5  本章小结
第10章  基于LLTSA特征降维与DSmT决策层融合的故障诊断方法研究
  10.1  引言
  10.2  自适应半监督线性局部切空间排列
    10.2.1  LLTSA的基本原理
    10.2.2  基于局部聚集系数的邻域参数自适应调整
    10.2.3  半监督学习算法设计
    10.2.4  基于ASLLTSA的柴油机故障特征降维
  10.3  基于DSmT决策层融合的故障诊断方法研究
    10.3.1  DSmT证据理论
    10.3.2  结构功能差异性初级分类器构造方法
    10.3.3  分类器的广义基本信度分配函数计算方法
  10.4  基于DSmT决策层融合的柴油机故障诊断实验
    10.4.1  UCI数据库分类实验
    10.4.2  柴油机故障诊断实验
  10.5  本章小结
参考文献