汽车故障诊断学PDF电子书下载

第1章 汽车诊断概述 1

1．1 发展汽车检测诊断技术的意义 1

1．2 汽车诊断与诊断学 2

1．3 机械故障诊断技术 2

1．3．1 机械故障诊断技术的现状 2

1．3．2 故障诊断技术的发展趋势 3

1．4 汽车诊断技术的发展 3

1．4．1 国外汽车诊断技术的发展概况 3

1．4．2 国内汽车检测诊断技术的现状与发展 4

第2章 汽车诊断参数与诊断信息获取 6

2．1 汽车故障诊断的分类 6

2．1．1 汽车电器故障诊断 6

2．1．2 汽车机械故障诊断 6

2．2 汽车诊断参数 7

2．2．1 状态参数与结构参数的关系 7

2．2．2 诊断参数的选择方法与原则 7

2．2．3 汽车诊断参数 8

2．2．4 诊断标准 9

2．3 诊断信息的获取 10

2．3．1 诊断信息获取方法概述 10

2．3．2 汽车振动信号的检测 12

2．4 信号的采样与预处理 21

2．4．1 模拟信号预处理 21

2．4．2 A/D转换 21

2．4．3 数字信号预处理 22

第3章 特征信号分析 24

3．1 随机过程及其数字特征 24

3．1．1 分布函数 24

3．1．2 随机过程的数字特征 25

3．1．3 平稳随机过程及其性质 26

3．1．4 平稳随机过程的遍历性 27

3．2 时域分析方法 27

3．2．1 概率密度函数的简易求法 28

3．2．2 均值和方差的估计 28

3．2．3 自相关函数估计 29

3．2．4 偏度系数和峭度系数 29

3．2．5 几种常见的无量纲指标 30

3．2．6 相关累积法 32

3．3 时域模型分析 33

3．3．1 ARMA模型 33

3．3．2 ARMA模型的特征根 34

3．3．3 ARMA序列的预报方法 34

3．3．4 时间序列预报举例 35

3．4 时间序列频域分析方法 38

3．4．1 傅里叶级数 38

3．4．2 傅里叶变换 38

3．4．3 高散信号的傅里叶变换 39

3．4．4 随机信号的功率谱 41

3．4．5 极大熵谱 42

3．4．6 莱斯频率与谐波指标 43

3．4．7 倒谱 44

第4章 状态识别方法 46

4．1 概述 46

4．2 时域模型识别法 46

4．3 距离函数分类法 47

4．3．1 空间距离函数 47

4．3．2 相似性指标 49

4．3．3 信息距离判别法 49

4．3．4 故障诊断中应用距离函数时应注意的问题 50

4．4 逻辑判别法 50

4．4．1 逻辑代数规则 51

4．4．2 逻辑诊断原理 51

4．5 贝叶斯分类法 53

4．6 故障树分析法 55

4．6．1 基本概念 55

4．6．2 故障树分析过程 56

4．6．3 故障树的常用符号与基本结构 56

4．6．4 故障树构造举例 57

4．6．5 结构函数 57

4．6．6 故障树分析 59

4．7 灰色模型关联度分析诊断法 60

第5章 小波分析 63

5．1 基本概念 63

5．1．1 什么是小波 63

5．1．2 什么叫尺度函数 63

5．1．3 小波基函数 64

5．1．4 小波函数的派生 64

5．2 小波分析概述 66

5．2．1 科学家对小波分析的看法 66

5．2．2 小波分析思想 66

5．2．3 小波分析与傅氏分析的比较 66

5．2．4 小波的应用领域 67

5．3 小波分析 68

5．3．1 小波变换的定义与性质 68

5．3．2 小波分解 72

5．3．3 Mallat多分辨小波分析 73

5．3．4 数字离散信号的小波变换过程 74

5．3．5 小波包分解 76

5．3．6 基于小波分解的故障诊断举例 76

第6章 混沌与分形诊断原理 81

6．1 混沌与分形的基本概念 81

6．1．1 混沌 81

6．1．2 分形 81

6．1．3 混沌与分形的关系 82

6．1．4 神经网络、模糊集理论与混沌 82

6．1．5 混沌与分形的应用 83

6．2 混沌振动与分形维数的计算 84

6．2．1 混沌振动的概念 84

6．2．2 混沌振动的识别 84

6．2．3 相空间重构 85

6．2．4 嵌入维数的确定 85

6．2．5 分形维数的计算方法 86

6．2．6 几个典型动力系统分析 87

6．3 变速器轴承振动信号分形维数的计算 89

6．3．1 轴承振动信号的测量 89

6．3．2 汽车变速器加速度振动信号混沌行为分析 90

6．3．3 构造嵌入矢量 91

6．3．4 计算分形维数 91

第7章 模糊诊断原理 94

7．1 汽车故障诊断中的模糊性 94

7．2 模糊诊断原理 94

7．3 隶属函数的确定 96

7．3．1 模糊统计试验法 97

7．3．2 加权统计法 97

7．3．3 二元对比排序法 98

7．3．4 动态信号分析法 98

7．4 模糊诊断矩阵的构造 101

7．5 模糊诊断方法 101

7．5．1 模糊诊断算法 101

7．5．2 模糊诊断原则 104

7．6 模糊聚类诊断分析与应用 105

7．7 柴油机故障模糊诊断举例 107

第8章 神经网络诊断原理 110

8．1 人工神经网络的拓扑结构 110

8．1．1 生物神经元 110

8．1．2 人工神经网络 112

8．2 BP神经网络 115

8．2．1 BP神经网络模型 115

8．2．2 BP算法 115

8．2．3 BP神经网络的算法步骤 118

8．2．4 BP神经网络分类特性 119

8．3 模糊神经网络 119

8．3．1 模糊联想记忆神经网络 119

8．3．2 模糊神经网络及其特点 120

8．3．3 一个模糊神经网络诊断系统实例 122

第9章 专家系统诊断原理 126

9．1 概述 126

9．2 专家系统的基本结构 128

9．2．1 人机接口 128

9．2．2 推理机 129

9．2．3 知识库及其管理系统 129

9．2．4 数据库及其管理系统 129

9．2．5 知识获取机构 129

9．2．6 解释机构 129

9．3 知识的表示 130

9．3．1 一阶谓词逻辑表示法 130

9．3．2 产生式表示法 132

9．3．3 框架表示法 133

9．4 推理机 134

9．4．1 什么叫推理 134

9．4．2 基于规则的演绎推理 134

9．4．3 归纳推理 135

9．4．4 不精确推理 136

9．5 知识获取技术 137

9．5．1 机械学习 137

9．5．2 示例学习 137

9．6 汽车故障诊断专家系统 138

9．6．1 基本结构 138

9．6．2 汽车故障诊断知识表示 138

9．6．3 汽车故障诊断推理 140

9．6．4 汽车故障诊断知识的获取 141

9．6．5 解释系统 142

9．6．6 汽车故障诊断程序自动生成 143

9．6．7 汽车故障诊断举例 143

9．7 BP神经网络汽车故障诊断专家系统 144

9．7．1 用于故障诊断的BP神经网络的建立及训练 145

9．7．2 应用训练好的BP神经网络诊断汽车发动机故障 146

第10章 汽车故障分析 148

10．1 汽车故障的分类 148

10．2 引发汽车故障的原因 148

10．3 汽车零件失效机理分析 149

10．4 汽车发动机故障分析 151

10．4．1 发动机异响故障的力学分析 152

10．4．2 发动机异响的振动分析 182

10．4．3 润滑系和冷却系的故障分析 184

10．4．4 燃料供给系统的故障分析 186

10．5 汽车底盘的故障分析 188

10．5．1 汽车动力传动系统故障分析 188

10．5．2 转向系统故障分析 204

10．5．3 制动系统故障分析 205

10．6 汽车电器与电子系统故障分析 207

10．6．1 概述 207

10．6．2 蓄电池故障分析 208

10．6．3 充电系（发电机和调节器）故障分析 209

10．6．4 启动系故障分析 209

10．6．5 点火系故障分析 210

10．6．6 汽车电子控制装置故障分析 212

第11章 汽车诊断设备与诊断方法 236

11．1 汽车发动机诊断设备及诊断方法 236

11．1．1 发动机无负荷测功仪 236

11．1．2 气缸活塞组检验设备 239

11．1．3汽油机点火示波器 246

11．1．4 汽车废气分析仪与烟度计 249

11．1．5 机油品质检验设备 254

11．1．6 发动机异响的仪器诊断 257

11．2 汽车底盘检测诊断设备 259

11．2．1 汽车底盘测功试验台 259

11．2．2 汽车制动性能检测诊断设备 261

11．2．3 汽车转向系检测诊断仪器 263

11．2．4 汽车传动系检测仪器 266

11．3 汽车检测诊断站 268

11．3．1 概述 268

11．3．2 汽车检测站的组成与工位布置 269

11．3．3 各工位的检测项目 269

11．3．4 检测工艺路线 271

11．3．5 汽车检测线的微机控制系统简介 273

参考文献 275