汽車故障診斷學（第2版）

第1章　汽車診斷概述
　1.1　發(fā)展汽車檢測診斷技術的意義
　1.2　汽車診斷與診斷學
　1.3　機械故障診斷技術
　　1.3.1　機械故障診斷技術的現(xiàn)狀
　　1.3.2　故障診斷技術的發(fā)展趨勢
　1.4　汽車診斷技術的發(fā)展
　　1.4.1　國外汽車診斷技術的發(fā)展概況
　　1.4.2　國內汽車檢測診斷技術的現(xiàn)狀與發(fā)展
第2章　汽車診斷參數(shù)與診斷信息獲取
　2.1　汽車故障診斷的分類
　　2.1.1　汽車電器故障診斷
　　2.1.2　汽車機械故障診斷
　2.2　汽車診斷參數(shù)
　　2.2.1　狀態(tài)參數(shù)與結構參數(shù)的關系
　　2.2.2　診斷參數(shù)的選擇方法與原則
　　2.2.3　汽車診斷參數(shù)
　　2.2.4　診斷標準
　2.3　診斷信息獲取
　　2.3.1　診斷信息獲取方法概述
　　2.3.2　汽車振動信號的檢測
　2.4　信號的采樣與預處理
　　2.4.1　模擬信號預處理
　　2.4.2　A／D轉換
　　2.4.3　數(shù)字信號預處理
第3章　特征信號分析
　3.1　隨機過程及其數(shù)字特征
　　3.1.1　分布函數(shù)
　　3.1.2　隨機過程的數(shù)字特征
　　3.1.3　平穩(wěn)隨機過程及其性質
　　3.1.4　平穩(wěn)隨機過程的遍歷性
　3.2　時域分析方法
　　3.2.1　概率密度函數(shù)的簡易求法
　　3.2.2　均值和方差的估計
　　3.2.3　自相關函數(shù)估計
　　3.2.4　偏度系數(shù)和峭度系數(shù)
　　3.2.5　幾種常見的量綱指標
　　3.2.6　相關累積法
　3.3　時域模型分析
　　3.3.1　ARMA模型
　　3.3.2　ARMA模型的特征根
　　3.3.3　ARMA序列的預報方法
　　3.3.4　時間序列預測舉例
　3.4　時間序列頻域分析方法
　　3.4.1　傅里葉級數(shù)
　　3.4.2　傅里葉變換
　　3.4.3　離散信號的傅里葉變換
　　3.4.4　隨機信號的功率譜
　　3.4.5　極大熵譜
　　3.4.6　倒譜
第4章　狀態(tài)識別方法
　4.1　概述
　4.2　時域模型識別法
　4.3　距離函數(shù)分類法
　　4.3.1　空間距離函數(shù)
　　4.3.2　相似性指標
　　4.3.3　信息距離判別法
　　4.3.4　故障診斷中應用距離函數(shù)時應注意的問題
　4.4　邏輯判別法
　　4.4.1　邏輯代數(shù)規(guī)則
　　4.4.2　邏輯診斷原理
　4.5　貝葉斯分類法
　4.6　故障樹分析法
　　4.6.1　基本概念
　　4.6.2　故障樹分析過程
　　4.6.3　故障樹的常用符號與基本結構
　　4.6.4　故障樹構造舉例
　　4.6.5　結構函數(shù)
　　4.6.6　故障樹分析
　4.7　灰色模型關聯(lián)度分析診斷法
第5章　小波分析
第6章　混沌與分形診斷原理
第7章　神經(jīng)網(wǎng)絡診斷原理
第8章　模糊診斷與模糊神經(jīng)網(wǎng)絡
第9章　基于粗糙集理論提取汽車故障特征
第10章　基于案例的故障診斷技術
第11章　專家系統(tǒng)診斷原理
第12章　汽車發(fā)動機非穩(wěn)態(tài)振動信號的測量與分析
第13章　汽車機械故障分析
第14章　汽車電器與電子控制系統(tǒng)故障診斷
主要參考文獻