一、柴油机机油压力异常故障的判断与排除（论文文献综述）
肖勇[1]（2021）在《TBD234 V6型柴油机机油压力异常故障分析》文中进行了进一步梳理随着我国造船事业的发展,TBD234系列柴油机的应用越来越广泛。TBD234系列柴油机出现机油压力异常的故障较为频繁,给船员使用和船厂修理带来困扰。文章针对某浮船坞TBD234 V6型柴油机机油压力异常故障进行分析,并提出了相应的排除和改进措施。
祁正阳[2]（2021）在《船用柴油机故障诊断与预测》文中进行了进一步梳理
谢茜茜[3]（2021）在《电动轮自卸车状态监测与故障诊断系统研究》文中研究表明电动轮自卸车作为一种重载矿用机械设备,集机、电、液于一体。随着电动轮自卸车系统的发展越来越智能化和复杂化,当它出现故障时,越来越难以用人工经验和传统诊断技术判断其故障原因。因此,本文围绕CR240E型电动轮自卸车,对其进行了状态监测和故障诊断系统（后文简称“监测诊断系统”）的技术研究。首先,基于CR240E型电动轮自卸车系统的组成,选择柴油机、液压和电控三个子系统作为主要研究对象,从它们的故障机理和实际需求出发,明确了要进行诊断的典型故障和与故障相关的监测征兆量。最终,完成了基于CR240E内部既有的CAN总线和外设传感器进行监测诊断数据的采集,通过以太网和4G通信将采集的数据向外传输并进行诊断的总体设计方案。其次,进行了监测诊断系统的软硬件详细设计。在硬件方面,采用了以CAN总线为主体,外部附加传感器为辅助的数据采集总体架构,并完成了电源板、数据通信板、传感器调理板、主控处理器板、控制底板和4G、GPS接口板的具体功能化设计和PCB绘制。在软件方面,基于既有的CAN通信协议,编写了车载数据采集箱的CAN总线数据接收驱动程序,完成了数据提取的算法编写。基于本系统的外部通信需求,制定了详细的以太网和4G通信协议,并编写了相关数据发送的程序。此外,采用Java语言编写了车载监测系统的人机交互界面,采用My SQL数据库对来自以太网通信协议的数据进行了存储与管理。并且开发了面向地面服务器的数据端口,给出了地面服务器软件的设计方案。另外,围绕CR240E的三个子系统,基于专家经验,选择典型故障,建立了各子系统的故障树。基于故障树分析不能准确地判断故障原因与征兆量之间包含非线性关系的局限性,引入概率神经网络诊断方法,结合故障树的最小割集,给出了故障诊断系统的推理机制,并利用MATLAB软件对柴油机子系统进行了故障诊断的模拟仿真。最后,对监测诊断系统进行了实车验证。实测数据表明,本系统能够基本满足设计初衷,能够实现对电动轮自卸车运行数据的监测显示,实现在电动轮自卸车发生故障时进行故障诊断,给出故障原因。本文共有图76幅,表27个,参考文献57篇。
朱燕龙[4]（2021）在《船舶机械设备维修保养中的常见故障及排除方法》文中指出随着我国航运业的蓬勃发展及海军现代化建设,船舶机械制造业和船舶维修保障得到了创新发展。船用机械设备在运行过程中,常常会伴随性能下降、状态不良或发生故障而失效等情况,准确地预防和判断故障从而较好地消除故障隐患和高效地排除故障,可提高船舶的经济效益和舰船的军事效益。笔者通过多年的轮机维修,对船用机械设备使用和维修中常见的故障进行总结和归纳,并提出了切实可行的排除方法,旨在为更多的业内人士提供有价值的借鉴与参考。
祝建虢[5]（2020）在《船用柴油机故障的传统判断方法》文中进行了进一步梳理本文结合理论和实践,总结排除船舶轮机设备故障的思路和具体判断方法。
张先武[6]（2020）在《试论柴油发动机常见故障诊断及维修技术》文中研究表明本文针对目前机械设备使用情况,详述了柴油发动机常见故障及分析了故障引起原因,并总结了故障诊断与维修技术。此文为降低因设备引起的重大安全事故有着重要意义。
高志龙[7]（2020）在《基于状态智能预警驱动的柴油机IETM关键技术研究与应用》文中认为柴油机作为一种关键动力设备,被广泛用于船舶航运、轨道交通、石油化工、能源电力、矿山机械、装备动力等相关行业,在国民经济乃至国防安全领域发挥着极为重要的作用。但由于其部件众多、结构复杂、工况恶劣,极易发生故障。一旦出现恶性故障将会导致停工停产,严重时甚至引发危及人身安全的重大事故。然而,当前柴油机监测报警技术较为落后,故障发生后无法得到精准识别,导致检维修效率低下。通过研究柴油机故障发生机理与对应的特征信号,借助先进算法有效提取特征参数,以实现柴油机典型机械故障的预警与诊断。并将故障诊断与交互式电子技术手册（IETM）技术相结合,实现监测、预警、诊断、维修、维护、管理等综合保障功能的深度融合,从而提升柴油机运行的安全性、可靠性和可用性。本文以大功率柴油机为对象,以提高其典型机械故障预警诊断水平和维修保障能力为目标,通过对典型机械故障机理的深入分析,研究适用于不同种类故障的预警和诊断方法。结合智能诊断算法实现柴油机运行工况的自动识别,提高预警和诊断准确率。最后探索基于故障预警驱动的IETM设计方法与架构。论文各章节主要研究内容如下:首先,综合归纳大功率柴油机典型机械故障类型,理清传统诊断方法面临的问题与挑战,分析智能诊断预警技术现状。研究国内外IETM技术发展历程、技术难点和未来发展趋势。在现有研究基础上,总结基于智能预警驱动的柴油机IETM系统关键技术点。其次,针对柴油机连杆衬套滑移,轴瓦磨损两类疑难故障,开展理论建模研究。通过建立相关数学模型,寻找故障典型特征。提出基于SAW（声表面波）无源无线测温技术的柴油机轴瓦磨损类故障预警诊断方法。研制柴油机连杆大小头瓦无线温度传感器,通过故障模拟试验证明该方法的有效性;然后,针对曲轴弯曲微变形这类恶性故障,建立多体动力学模型,通过模拟、仿真、分析其对应的故障特征及敏感参数,探究该类故障预警诊断的有效方法,并通过理论分析与实际故障案例相结合的方式证明该方法可行性;研究基于振动信号自适应的EMD降噪和聚类算法的柴油机运行功率自动识别算法,通过该算法实现对柴油机运行工况的自动识别。在无需增加传感器的前提下,引入柴油机输出功率作为预警诊断参考指标。此外,结合瞬时转速、温度、压力等参数,研究基于多源信息融合的复杂故障预警诊断方法,提高故障预警诊断的准确性。在上述研究成果的基础上,总结柴油机典型故障诊断系统设计方法。并利用实验和工程实际案例数据对系统功能进行验证。最后,研究基于智能预警驱动的IETM设计方法与架构。梳理传统IETM研制流程和编制规范,提出智能预警诊断技术与IETM相结合的实现方案,并给出基于状态智能预警驱动的柴油机IETM总体实现方法和步骤。
任东平[8]（2020）在《船舶柴油机润滑系统故障诊断研究》文中研究表明近年来船舶智能化与自动化水平的不断提高,在船舶可靠性与安全性这两方面有了更加严格的要求。柴油机作为船舶的核心设备,在船舶安全方面起着至关重要的作用。但是,柴油机的结构复杂、零件较多,机体处于高温、高压的环境中,因此发生故障的可能性比较大。传统的故障诊断多为经验法、热力参数法、油液分析法等,这些方法对滑油系统的故障诊断不能精确定位,且耗时长,有的还需要专用检测工具。本文采用贝叶斯noisy-OR/AND模型开发故障诊断系统,可以准确快速的诊断故障,同时还能给出维修措施供工作人员参考,能在故障发生的最短时间内恢复设备的运行,对于确保船舶安全运行具有重要的意义。本文以亚洲网络为实验模型,对比不同的消元顺序对推理时间的影响。变量消元法推理快慢的主要因素是消元顺序的构造,目前主要有最小度、最大势、最小缺边和最小增加复杂度4种搜索方法可以用来构造消元顺序。实验发现最小增加复杂度搜索方法优于其它搜索方法,可缩短推理时间,提高推理效率。对WARTSILA 6L34DF柴油机滑油系统建立诊断模型。依据润滑系统的故障类型,整个润滑系统可以分为进机油压异常、进机油温异常、滑油消耗率过高和滑油早期失效4个子故障。通过对系统的分析,建立六个故障树,分别为进机油压过高、进机油压过低、进机温度过高、进机温度过低、滑油消耗率过高和滑油早期失效。采用将故障树转化为贝叶斯网的方法,构建上述六个故障树的贝叶斯网络诊断模型。开发柴油机滑油系统的故障诊断软件。利用Visual Studio 2017和SQL Server 2017为开发环境,以C#语言为基础开发诊断系统。在数据库中建立滑油系统的知识库,将先验概率存入相应的数据表中;在Visual Studio 2017中,编程实现整个故障诊断功能,该系统包括4个菜单栏。最后使用2个故障实例证明该系统能准确快速的诊断出故障原因。研究表明,当结合工作人员对设备的观测信息时,该故障诊断系统能够准确迅速的定位故障原因,并给出相应的维修策略。在贝叶斯网络推理时,采用最小缺边复杂度搜索方法可提高变量消元法的推理速度,可缩短系统后台的计算运行时间,减少系统的卡顿。贝叶斯网络诊断模型优于现有的诊断方法,能真正诊断出故障原因,帮助工作人员快速准确地定位故障。
张海宁[9]（2020）在《基于油液检测与性能参数检测的挖掘机柴油机状态评价技术研究》文中认为柴油机是工程机械挖掘机的心脏,是其工作的动力来源。柴油机在高速高温的条件下工作,其稳定性和安全性将直接影响到挖掘机的工作状态。据统计,80%的柴油机不能工作是因为磨损故障引起的,所以提前做好状态诊断和预知性维修非常重要。油液检测和性能参数检测是对柴油机故障诊断用得非常多的方法,本文以两种检测方法为手段,开展对挖掘机柴油机的状态评价技术研究。具体工作如下:分析了柴油机故障模式与磨损故障失效原理与油液分析相关理论及其在柴油机故障诊断中的应用,为下一步状态评价提供理论基础;以柴油机油液实测数据制定了柴油机状态评价的界限值,然后运用物元评价理论将油液检测参数与柴油机状态的定量关系进行了计算,最后运用因子分析法对油液检测参数进行了降维,建立了各因子的诊断标准,并对状态进行了诊断。分析了依据柴油机性能参数进行故障诊断的机理,对与柴油机油液检测数据对应的性能参数进行了提取和分析,以两台柴油机5个月内一共356条性能参数进行了K-Means聚类,运用油液检测数据和性能参数建立柴油机状态评价的劣化度模型,运用熵权法为各指标确定权重。应用Labview软件开发了一套柴油机状态评价系统,该系统能依据油液检测数据和性能参数对柴油机的状态做出判断。
吴肃[10]（2020）在《基于GRU的柴油发电机组故障诊断与预测的研究》文中认为故障诊断和预测技术在一定程度上改善了工业设备定期保养和故障发生后才诊断的不足。考虑到柴油发电机组有着广泛的行业应用,且已使用了较多的传感器,但只通过传感器信号与阈值的关系来判断设备是否出现故障,存在不能有效确定故障原因及无法识别某些故障等局限性。另外传感器信号是时间相关的,蕴含可预测性,采取合适的方法对此类数据进行分析,可以提高故障诊断和预测方法的准确率和效率。鉴于上述原因及深度学习的快速发展,本文基于工程硕士的实际工作背景开展研究。首先在研究故障诊断和预测技术现状的基础上,选取了对时序数据具有良好分类和预测能力的循环神经网络（Recurrent Neural Network,RNN）,并通过对实验选用的柴油发电机组的工作原理和性能的了解,建立该设备的数学模型,然后利用Simscape模块库建立该柴油发电机组主要系统的Simulink仿真模型。接着根据实验设备的常见故障模式,在仿真模型中设置部分典型故障,生成用于深度模型训练和测试的数据集。在数据分析和处理阶段,利用PyTorch机器学习库,设计并验证了门控循环单元（Gated Recurrent Unit,GRU）,对比于其它一些故障诊断和预测方法,具有准确率高、模型简单等优点。在验证了 GRU对故障诊断和预测具有显着有效性的前提下,进而把这一研究成果应用于实际设备。通过安装支持工业总线和无线通讯的电控模块,远程获取传感器数据和运行参数,进行故障诊断和预测,一定程度降低了设备的故障发生率,提高了设备运行效率和使用寿命。另外此方法是基于数据驱动的诊断和预测方法,具有很好的适用性,可以推广到其他设备或领域。
二、柴油机机油压力异常故障的判断与排除（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、柴油机机油压力异常故障的判断与排除（论文提纲范文）
（1）TBD234 V6型柴油机机油压力异常故障分析（论文提纲范文）
| 1 故障描述 |
| 2 TBD234系列柴油机润滑系统工作原理 |
| 3 故障原因分析 |
| 4 故障排查过程 |
| 5 改进措施及效果 |
| 6 结束语 |
（3）电动轮自卸车状态监测与故障诊断系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电动轮自卸车应用现状与监测诊断需求 |
| 1.2.2 电动轮自卸车监测诊断系统的研究现状 |
| 1.2.3 电动轮自卸车故障诊断方法的研究现状 |
| 1.3 论文研究内容 |
| 2 监测诊断系统的需求分析及总体设计 |
| 2.1 电动轮自卸车关键系统的故障机理 |
| 2.1.1 柴油机子系统故障机理 |
| 2.1.2 液压子系统故障机理 |
| 2.1.3 电控子系统故障机理 |
| 2.2 状态监测系统的需求分析 |
| 2.3 故障诊断系统的需求分析 |
| 2.4 监测诊断系统的总体设计方案 |
| 2.5 本章小结 |
| 3 监测诊断系统的具体软硬件实现 |
| 3.1 监测诊断系统的硬件设计方案 |
| 3.1.1 系统硬件总体架构 |
| 3.1.2 典型器件选型 |
| 3.1.3 电路设计 |
| 3.2 监测诊断系统的软件设计方案 |
| 3.2.1 系统软件总体架构 |
| 3.2.2 CAN通信协议的制定和程序实现 |
| 3.2.3 以太网和4G通信协议的制定和程序实现 |
| 3.2.4 车载监测显示终端的软件设计 |
| 3.2.5 地面服务器软件的设计 |
| 3.3 本章小结 |
| 4 基于故障树和概率神经网络的故障诊断算法 |
| 4.1 传统故障树算法 |
| 4.2 概率神经网络算法 |
| 4.2.1 神经网络基础 |
| 4.2.2 概率神经网络 |
| 4.3 基于故障树和神经网络的故障诊断推理机制 |
| 4.4 电动轮自卸车故障诊断的具体实现 |
| 4.4.1 故障诊断模型的建立 |
| 4.4.2 故障诊断的知识获取 |
| 4.4.3 基于故障树和概率神经网络的故障诊断算法仿真 |
| 4.5 本章小结 |
| 5 监测诊断系统的实验验证 |
| 5.1 电动轮自卸车状态监测系统验证 |
| 5.1.1 车载监测显示终端软件的监测效果验证 |
| 5.1.2 地面服务器软件的监测效果验证 |
| 5.2 电动轮自卸车故障诊断系统效果 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（4）船舶机械设备维修保养中的常见故障及排除方法（论文提纲范文）
| 0 引言 |
| 1 船用柴油机常见故障排除 |
| 1.1 柴油机故障诊断的原则 |
| 1.2 柴油机故障实例分析与检查方法 |
| 1.3 船用柴油机部分常见故障排除法 |
| 2 船用泵的振动故障排除 |
| 2.1 泵的振动原因分析 |
| 2.2 常见泵振动故障排除方法 |
| 3 船用液压系统故障排除 |
| 3.1 液压系统故障划分 |
| 3.2 液压系统故障的预防 |
| 3.3 常见液压系统故障的排除 |
| 4 结语 |
（5）船用柴油机故障的传统判断方法（论文提纲范文）
| 1柴油机发生故障的征兆 |
| 2 柴油机故障判断的原则 |
| (1)先外观,后内部。 |
| (2)先简后繁、逐步深入。 |
| (3)按工作系统分析查找。 |
| (4)先运动部件后固定部件。 |
| (5)结合使用、维修查找。 |
| (6)严禁乱拆机器。 |
| 3 柴油机故障的判断方法 |
| 3.1经验法 |
| (1)听。 |
| (2)看。 |
| (3)闻。 |
| (4)摸。 |
| 3.2仪表判别法 |
| (1)温度表。 |
| (2)压力表。 |
| (3)转速表。 |
| (4)爆压表。 |
| 3.3物理化学分析法 |
| 3.4传感器法 |
| 3.5微机监控 |
（6）试论柴油发动机常见故障诊断及维修技术（论文提纲范文）
| 1 常见故障及诱因分析 |
| 1.1 常见故障 |
| 1.2 故障诱因 |
| 2 柴油发动机故障诊断及维修技术总结 |
| 2.1 油底壳机油平面升高 |
| 2.2 机油压力异常 |
| 2.3 机油压力不稳定 |
| 2.4 机油无压力 |
| 2.5 烧机油磨损问题 |
| 3 柴油发动机日常维护方法总结 |
| 3.1 注重维护和保养 |
| 3.2 燃油系统的维护 |
| 3.3 规范驾驶与操作习惯 |
| 3.4 熟知发动机原理 |
| 3.5 改革、创新机械设备管理模式 |
| 3.6 调整管理理念，提高工作效率 |
| 4 结束语 |
（7）基于状态智能预警驱动的柴油机IETM关键技术研究与应用（论文提纲范文）
| 学位论文数据集 |
| 摘要 |
| ABSTRACT |
| 符号说明 |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究综述 |
| 1.2.1 柴油机故障传统监测诊断方法概况 |
| 1.2.2 柴油机故障智能监测诊断技术研究概况 |
| 1.2.3 IETM技术发展概况 |
| 1.3 前人的研究成果 |
| 1.3.1 柴油机监测诊断方面研究成果 |
| 1.3.2 智能诊断技术研究成果 |
| 1.3.3 IETM技术研究成果 |
| 1.4 论文结构与内容安排 |
| 第二章 柴油机典型机械故障分类与预警诊断技术 |
| 2.1 柴油机典型机械故障分类及其特征信号 |
| 2.1.1 柴油机典型机械故障分类 |
| 2.1.2 柴油机典型机械故障特征信号类型 |
| 2.2 柴油机典型机械故障监测预警方法 |
| 2.2.1 基于统计特征参量分析的时域信号监测预警方法 |
| 2.2.2 基于振动信号角域分析的故障诊断预警方法 |
| 2.2.3 基于振动信号时频分析的故障监测预警方法 |
| 2.2.4 基于振动信号自适应的EMD智能预警方法 |
| 2.2.5 基于K近邻的柴油机故障识别预警方法 |
| 2.3 柴油机故障预警诊断技术难点 |
| 2.4 本章小结 |
| 第三章 柴油机连杆轴瓦故障监测预警方法研究 |
| 3.1 连杆小头衬套滑移故障 |
| 3.1.1 连杆小头衬套滑移故障机理 |
| 3.1.2 连杆小头衬套滑移故障特征与监测难点分析 |
| 3.2 连杆轴瓦磨损故障 |
| 3.2.1 连杆轴瓦磨损故障类型与传统监测方法 |
| 3.2.2 连杆轴瓦磨损故障特征 |
| 3.3 基于SAW无线测温技术的轴瓦磨损类故障预警与诊断方法研究 |
| 3.3.1 SAW无源无线测温原理 |
| 3.3.2 基于SAW的连杆轴瓦温度传感器的设计 |
| 3.3.3 信号处理装置的设计 |
| 3.3.4 软件系统的设计 |
| 3.4 实验验证 |
| 3.4.1 高速单缸机配机试验 |
| 3.4.2 轴瓦磨损故障模拟试验 |
| 3.5 本章小结 |
| 第四章 柴油机曲轴弯曲微变形故障诊断方法研究 |
| 4.1 曲柄连杆简化模型的理论分析计算 |
| 4.1.1 曲柄连杆力学模型分析 |
| 4.1.2 曲柄模型简化 |
| 4.1.3 横向力作用下曲轴受力分析 |
| 4.1.4 弯曲形变对于横向力作用下曲轴受力影响 |
| 4.2 基于多体动力学仿真的故障特征研究 |
| 4.2.1 模型建立与参数设置 |
| 4.2.2 仿真过程 |
| 4.2.3 仿真结果分析 |
| 4.3 曲轴弯曲微变形故障监测预警方法 |
| 4.4 故障案例验证 |
| 4.4.1 传感器与测点布置 |
| 4.4.2 故障现象描述 |
| 4.4.3 数据分析与故障诊断结论 |
| 4.5 本章小结 |
| 第五章 柴油机典型机械故障智能预警诊断系统设计 |
| 5.1 基于缸盖振动信号概率密度分布的柴油机输出功率识别算法 |
| 5.1.1 缸盖振动信号截止滤波预处理 |
| 5.1.2 基于自适应EMD分解的缸盖振动信号处理方法研究 |
| 5.1.3 基于振动速度概率密度分布的功率识别方法 |
| 5.2 基于改进KNN的柴油机故障报警阈值动态自学习算法 |
| 5.2.1 训练集的构建 |
| 5.2.2 K值的确定 |
| 5.2.3 报警阈值动态学习方法 |
| 5.3 柴油机在线监测预警系统设计 |
| 5.3.1 系统总体设计 |
| 5.3.2 硬件方案 |
| 5.3.3 软件方案 |
| 5.4 工程应用案例 |
| 5.4.1 故障情况 |
| 5.4.2 报警信息与监测数据分析 |
| 5.4.3 故障原因探究 |
| 5.4.4 结论 |
| 5.5 本章小结 |
| 第六章 基于智能预警驱动的柴油机IETM架构设计 |
| 6.1 IETM平台的功能模块 |
| 6.1.1 多媒体制作工具 |
| 6.1.2 XML编辑器 |
| 6.1.3 公共源数据库 |
| 6.1.4 发布引擎 |
| 6.1.5 浏览器 |
| 6.2 标准IETM内容模块 |
| 6.3 IETM的开发流程 |
| 6.3.1 数据模块编码 |
| 6.3.2 数据模块需求列表(DMRL)编制 |
| 6.4 基于智能预警驱动的柴油机IETM架构设计 |
| 6.4.1 架构设计 |
| 6.4.2 具体实现 |
| 6.5 本章小结 |
| 第七章 结论与展望 |
| 7.1 研究结论与成果 |
| 7.2 主要创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 研究成果及发表的学术论文 |
| 作者和导师简介 |
| 附件 |
（8）船舶柴油机润滑系统故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景及意义 |
| 1.2 柴油机故障诊断技术研究现状 |
| 1.2.1 柴油机故障诊断技术发展概况 |
| 1.2.2 柴油机故障诊断技术发展趋势 |
| 1.3 滑油系统故障诊断研究现状 |
| 1.4 论文的结构与主要研究内容 |
| 1.4.1 论文的总体框架 |
| 1.4.2 论文的主要研究内容 |
| 2 贝叶斯网络理论 |
| 2.1 贝叶斯理论基础 |
| 2.1.1 概率论基础 |
| 2.1.2 概率推理 |
| 2.1.3 概率图模型 |
| 2.1.4 贝叶斯网络 |
| 2.1.5 Leaky Noisy Or模型 |
| 2.2 贝叶斯网络推理 |
| 2.2.1 推理算法简述 |
| 2.2.2 VE推理算法 |
| 2.3 贝叶斯网络学习 |
| 2.3.1 贝叶斯网络结构学习 |
| 2.3.2 贝叶斯网络参数学习 |
| 2.4 本章小结 |
| 3 亚洲网络最优消元顺序构造 |
| 3.1 变量消元法相关概念 |
| 3.2 消元复杂度分析 |
| 3.3 消元顺序构造 |
| 3.3.1 最小度法搜索消元顺序 |
| 3.3.2 最大势搜索消元顺序 |
| 3.3.3 最小缺边搜索消元顺序 |
| 3.3.4 最小增加复杂度搜索消元顺序 |
| 3.4 本章小结 |
| 4 建立滑油系统贝叶斯诊断模型 |
| 4.1 WARTSILA 6L34DF柴油机简介 |
| 4.2 滑油系统结构原理 |
| 4.2.1 滑油系统组成及作用 |
| 4.2.2 滑油运送方式 |
| 4.2.3 滑油系统结构原理分析 |
| 4.3 建立诊断模型 |
| 4.3.1 滑油系统故障分析 |
| 4.3.2 滑油诊断模型的建立过程 |
| 4.3.3 滑油诊断模型搭建实例 |
| 4.4 变量消元法推理实例 |
| 4.5 本章小结 |
| 5 滑油诊断系统的设计及实现 |
| 5.1 故障诊断流程 |
| 5.2 软件开发环境及结构 |
| 5.2.1 开发环境 |
| 5.2.2 软件结构 |
| 5.3 数据库设计 |
| 5.4 模型代码化 |
| 5.5 用户界面模块设计 |
| 5.6 故障诊断系统的实例验证 |
| 5.7 本章小结 |
| 6 总结与展望 |
| 6.1 工作总结 |
| 6.2 展望及建议 |
| 结论 |
| 参考文献 |
| 附录A 滑油系统故障树及贝叶斯模型 |
| 附录B 滑油系统事件先验概率表 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（9）基于油液检测与性能参数检测的挖掘机柴油机状态评价技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.3 论文主要研究内容与工作安排 |
| 第二章 柴油机故障机理与油液检测技术研究 |
| 2.1 柴油机简介和工作原理 |
| 2.1.1 柴油机简介 |
| 2.1.2 柴油机简要工作原理 |
| 2.2 柴油机故障机理 |
| 2.3 柴油机磨损故障机理 |
| 2.3.1 柴油机磨损过程分析 |
| 2.3.2 柴油机磨损失效的分类 |
| 2.4 柴油机油液检测技术 |
| 2.4.1 理化性能分析技术 |
| 2.4.2 铁谱分析 |
| 2.4.3 光谱分析 |
| 2.4.4 柴油机磨损状态指示参数的表征方式构建 |
| 2.5 本章小结 |
| 第三章 基于油液检测的柴油机磨损状态评价 |
| 3.1 基于趋势图分析的磨损状态评价 |
| 3.2 基于界限值法的磨损状态评价 |
| 3.3 基于物元评价法的磨损状态评价 |
| 3.3.1 柴油机磨损状态评价物元模型的建立 |
| 3.3.2 基于物元模型的磨损状态等级评价 |
| 3.4 基于因子分析法的柴油机磨损状态评价 |
| 3.4.1 引言 |
| 3.4.2 因子分析基本理论 |
| 3.4.3 基于因子分析模型对柴油机磨损状态评价实例分析 |
| 3.5 本章小结 |
| 第四章 基于油液检测与性能参数的状态评价研究 |
| 4.1 柴油机性能参数 |
| 4.1.1 转速 |
| 4.1.2 冷却液温度 |
| 4.1.3 增压器温度和压力 |
| 4.1.4 燃油喷射压力 |
| 4.2 基于K-Means的性能参数聚类分析 |
| 4.3 基于劣化度分析的柴油机状态评价 |
| 4.3.1 状态评价的相对劣化度模型 |
| 4.3.2 评估模型的权值分配 |
| 4.4 本章小结 |
| 第五章 基于油液与性能参数的柴油机状态评价系统 |
| 5.1 Labview简介 |
| 5.2 系统软件设计 |
| 5.2.1 用户管理 |
| 5.2.2 数据管理 |
| 5.2.3 分析式铁谱分析 |
| 5.2.4 三线值分析 |
| 5.2.5 数据趋势图分析 |
| 5.2.6 基于物元模型的磨损状态判断 |
| 5.2.7 系统综合劣化度评价 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 个人简历、在学期间的研究成果及发表的学术论文 |
（10）基于GRU的柴油发电机组故障诊断与预测的研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究发展状况 |
| 1.3 论文的主要内容及创新点 |
| 第二章 理论基础 |
| 2.1 故障诊断和故障预测技术 |
| 2.1.1 故障诊断原理与技术 |
| 2.1.2 故障预测原理与技术 |
| 2.2 时间序列分析 |
| 2.3 RNN与GRU |
| 第三章 柴油发电机组工作原理及建模 |
| 3.1 实验设备特性及数据测量 |
| 3.2 柴油发电机组数学模型及公式推导 |
| 3.2.1 柴油发电机组基本参数 |
| 3.2.2 柴油发动机数学模型 |
| 3.2.3 同步发电机数学模型 |
| 3.3 柴油发电机组建模 |
| 第四章 故障诊断与预测的实验 |
| 4.1 仿真实验及数据生成 |
| 4.2 诊断实验和结果分析 |
| 4.2.1 运行环境 |
| 4.2.2 诊断流程 |
| 4.2.3 程序实现 |
| 4.2.4 结果分析 |
| 4.3 预测实验和结果分析 |
| 4.3.1 预测流程 |
| 4.3.2 程序实现 |
| 4.3.3 结果分析 |
| 第五章 工程应用及改进 |
| 5.1 工程应用 |
| 5.1.1 工程实现 |
| 5.1.2 结果分析 |
| 5.2 工程改进 |
| 第六章 总结及展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
四、柴油机机油压力异常故障的判断与排除（论文参考文献）
- [1]TBD234 V6型柴油机机油压力异常故障分析[J]. 肖勇. 中国修船, 2021(06)
- [2]船用柴油机故障诊断与预测[D]. 祁正阳. 江苏科技大学, 2021
- [3]电动轮自卸车状态监测与故障诊断系统研究[D]. 谢茜茜. 北京交通大学, 2021
- [4]船舶机械设备维修保养中的常见故障及排除方法[J]. 朱燕龙. 船舶物资与市场, 2021(05)
- [5]船用柴油机故障的传统判断方法[J]. 祝建虢. 中国水运, 2020(09)
- [6]试论柴油发动机常见故障诊断及维修技术[J]. 张先武. 内燃机与配件, 2020(13)
- [7]基于状态智能预警驱动的柴油机IETM关键技术研究与应用[D]. 高志龙. 北京化工大学, 2020(01)
- [8]船舶柴油机润滑系统故障诊断研究[D]. 任东平. 大连海事大学, 2020(01)
- [9]基于油液检测与性能参数检测的挖掘机柴油机状态评价技术研究[D]. 张海宁. 石家庄铁道大学, 2020(04)
- [10]基于GRU的柴油发电机组故障诊断与预测的研究[D]. 吴肃. 苏州大学, 2020(02)