| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究目的及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-13页 |
| 1.3 课题的来源及研究内容 | 第13-14页 |
| 第2章 发动机故障诊断过程与方法 | 第14-19页 |
| 2.1 发动机故障诊断过程 | 第14-15页 |
| 2.2 发动机故障诊断方法 | 第15-17页 |
| 2.2.1 信号处理的方法 | 第15页 |
| 2.2.2 应用解析模型的方法 | 第15-16页 |
| 2.2.3 基于知识的方法 | 第16-17页 |
| 2.3 人工神经网络与故障诊断 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第3章 OFBP 神经网络 | 第19-38页 |
| 3.1 神经网络概述 | 第19-28页 |
| 3.1.1 BP 神经网络介绍 | 第19-27页 |
| 3.1.2 BP 神经网络的特点 | 第27-28页 |
| 3.2 传统 BP 网络存在的缺陷及改进算法 | 第28-29页 |
| 3.2.1 传统 BP 神经网络存在的缺陷 | 第28页 |
| 3.2.2 现有的 BP 神经网络改进算法介绍 | 第28-29页 |
| 3.2.3 本文给出的改进方法 | 第29页 |
| 3.3 OFBP 神经网络 | 第29-37页 |
| 3.3.1 OFBP 神经网络算法原理 | 第29-33页 |
| 3.3.2 OFBP 神经网络算法步骤 | 第33-34页 |
| 3.3.3 OFBP 神经网络进行非线性函数拟合 | 第34-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于 OFBP 神经网络的发动机失火故障诊断 | 第38-51页 |
| 4.1 失火故障数据样本的确立 | 第38-45页 |
| 4.1.1 汽车尾气与发动机失火的关系 | 第38-39页 |
| 4.1.2 故障样本采集及数据处理 | 第39-45页 |
| 4.2 OFBP 神经网络模型的建立 | 第45-47页 |
| 4.2.1 神经网络结构的确立 | 第45-46页 |
| 4.2.2 传递函数及参数的选择 | 第46-47页 |
| 4.3 仿真结果及分析 | 第47-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 攻读硕士学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |