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