汽车故障诊断学（第2版）

    本书概述了汽车诊断技术的发展现状，简要地讨论了汽车诊断中信号的测量技术，系统地介绍了故障特征提取、状态识别、小波变换、混沌分形、神经网络、模糊集、粗糙集、专家系统及非稳态信号处理理论与技术在汽车故障诊断中的运用，详细地分析了汽车发动机、底盘、电器和电子控制系统常见故障及其诊断方法。
　　本书资料新颖、叙述循序渐进，可作为汽车专业学生教材，亦可供汽车工程师、汽车检测人员、汽车使用和维修人员学习与参考。

本书是《汽车故障诊断学》的第二版，既继承了第一版系统性、通俗性的特点，又强调了理论应用的新颖性与技术的实用性。全书系统介绍了汽车诊断技术的发展现状，汽车诊断中信号的测量技术，故障特征提取、状态识别、小波变换、混沌分形、神经网络、模糊集、粗糙集、专家系统及非稳态信号处理理论与技术在汽车故障诊断中的运用，以及汽车发动机、底盘、电器和电子控制系统常见故障与诊断方法。全书各章既有联系，但又相对独立，读者可以顺序阅读本书，也可单独学习各章的知识。

第1章　汽车诊断概述
　1.1　发展汽车检测诊断技术的意义
　1.2　汽车诊断与诊断学
　1.3　机械故障诊断技术
　　1.3.1　机械故障诊断技术的现状
　　1.3.2　故障诊断技术的发展趋势
　1.4　汽车诊断技术的发展
　　1.4.1　国外汽车诊断技术的发展概况
　　1.4.2　国内汽车检测诊断技术的现状与发展
第2章　汽车诊断参数与诊断信息获取
　2.1　汽车故障诊断的分类
　　2.1.1　汽车电器故障诊断
　　2.1.2　汽车机械故障诊断
　2.2　汽车诊断参数
　　2.2.1　状态参数与结构参数的关系
　　2.2.2　诊断参数的选择方法与原则
　　2.2.3　汽车诊断参数
　　2.2.4　诊断标准
　2.3　诊断信息获取
　　2.3.1　诊断信息获取方法概述
　　2.3.2　汽车振动信号的检测
　2.4　信号的采样与预处理
　　2.4.1　模拟信号预处理
　　2.4.2　A／D转换
　　2.4.3　数字信号预处理
第3章　特征信号分析
　3.1　随机过程及其数字特征
　　3.1.1　分布函数
　　3.1.2　随机过程的数字特征
　　3.1.3　平稳随机过程及其性质
　　3.1.4　平稳随机过程的遍历性
　3.2　时域分析方法
　　3.2.1　概率密度函数的简易求法
　　3.2.2　均值和方差的估计
　　3.2.3　自相关函数估计
　　3.2.4　偏度系数和峭度系数
　　3.2.5　几种常见的量纲指标
　　3.2.6　相关累积法
　3.3　时域模型分析
　　3.3.1　ARMA模型
　　3.3.2　ARMA模型的特征根
　　3.3.3　ARMA序列的预报方法
　　3.3.4　时间序列预测举例
　3.4　时间序列频域分析方法
　　3.4.1　傅里叶级数
　　3.4.2　傅里叶变换
　　3.4.3　离散信号的傅里叶变换
　　3.4.4　随机信号的功率谱
　　3.4.5　极大熵谱
　　3.4.6　倒谱
第4章　状态识别方法
　4.1　概述
　4.2　时域模型识别法
　4.3　距离函数分类法
　　4.3.1　空间距离函数
　　4.3.2　相似性指标
　　4.3.3　信息距离判别法
　　4.3.4　故障诊断中应用距离函数时应注意的问题
　4.4　逻辑判别法
　　4.4.1　逻辑代数规则
　　4.4.2　逻辑诊断原理
　4.5　贝叶斯分类法
　4.6　故障树分析法
　　4.6.1　基本概念
　　4.6.2　故障树分析过程
　　4.6.3　故障树的常用符号与基本结构
　　4.6.4　故障树构造举例
　　4.6.5　结构函数
　　4.6.6　故障树分析
　4.7　灰色模型关联度分析诊断法
第5章　小波分析
第6章　混沌与分形诊断原理
第7章　神经网络诊断原理
第8章　模糊诊断与模糊神经网络
第9章　基于粗糙集理论提取汽车故障特征
第10章　基于案例的故障诊断技术
第11章　专家系统诊断原理
第12章　汽车发动机非稳态振动信号的测量与分析
第13章　汽车机械故障分析
第14章　汽车电器与电子控制系统故障诊断
主要参考文献