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。<br>    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。

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