车用燃料电池系统故障诊断与维护若干关键问题研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-32页 |
| ·引言 | 第13-17页 |
| ·研究背景及意义 | 第17-21页 |
| ·课题来源 | 第17页 |
| ·论文研究背景 | 第17-19页 |
| ·课题研究意义 | 第19-21页 |
| ·国内外研究现状分析 | 第21-30页 |
| ·燃料电池及燃料电池系统研究现状 | 第21-24页 |
| ·故障诊断技术研究现状 | 第24-26页 |
| ·燃料电池系统故障诊断研究现状 | 第26-28页 |
| ·存在的问题 | 第28-30页 |
| ·本文主要研究内容 | 第30-32页 |
| 第2章 车用燃料电池系统故障特征与故障机理分析 | 第32-46页 |
| ·车用燃料电池系统的故障特征 | 第32-39页 |
| ·车用燃料电池系统故障的耦合性 | 第33-35页 |
| ·车用燃料电池系统故障的渐变性 | 第35-36页 |
| ·车用燃料电池系统故障的随机性 | 第36-37页 |
| ·车用燃料电池系统故障的不确定性 | 第37-39页 |
| ·车用燃料电池系统的故障机理 | 第39-42页 |
| ·机械因素引起的故障 | 第39页 |
| ·电气因素引起的故障 | 第39-40页 |
| ·设备因素引起的故障 | 第40-41页 |
| ·人为因素引起的故障 | 第41页 |
| ·环境因素引起的故障 | 第41-42页 |
| ·车用燃料电池系统的故障分类 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 第3章 车用燃料电池系统氢气泄漏的安全性研究 | 第46-66页 |
| ·氢气泄漏的检测方法 | 第46-52页 |
| ·冒泡检测法 | 第46-48页 |
| ·报警检测法 | 第48-50页 |
| ·传感器检测法 | 第50-51页 |
| ·机理模型检测法 | 第51-52页 |
| ·氢气泄漏的故障树模型及其定性分析 | 第52-56页 |
| ·故障树模型的构建 | 第52-54页 |
| ·定性分析 | 第54-56页 |
| ·基于模糊故障树的氢气泄漏定量分析及其安全性维护 | 第56-65页 |
| ·顶事件发生的故障概率 | 第56-61页 |
| ·底事件的重要度分析 | 第61-63页 |
| ·氢气泄漏的故障诊断策略 | 第63-64页 |
| ·系统整改措施与建议 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第4章 基于神经网络的多传感器联合故障诊断研究 | 第66-88页 |
| ·车用燃料电池系统多传感器信号冗余性分析 | 第66-70页 |
| ·多传感器故障检测与容错系统的构建 | 第70-75页 |
| ·主网络拓扑结构 | 第71页 |
| ·子网络拓扑结构 | 第71-72页 |
| ·故障诊断与容错策略 | 第72-73页 |
| ·神经网络学习算法 | 第73-75页 |
| ·仿真与分析 | 第75-87页 |
| ·神经网络的学习、训练与仿真 | 第75-80页 |
| ·单传感器故障诊断与冗余重构 | 第80-82页 |
| ·多传感器故障诊断与冗余重构 | 第82-86页 |
| ·训练样本数目对故障诊断结果的影响与比较 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 基于信息融合技术的电堆健康诊断研究 | 第88-110页 |
| ·燃料电池水传输机理定性分析 | 第88-90页 |
| ·支持向量机和D-S证据理论相结合的电堆健康诊断 | 第90-97页 |
| ·信息融合诊断模型 | 第90-92页 |
| ·多分类支持向量机的构建 | 第92-95页 |
| ·基本概率分配 | 第95-96页 |
| ·D-S证据理论的故障诊断决策规则 | 第96-97页 |
| ·仿真与分析 | 第97-108页 |
| ·支持向量机的学习与训练 | 第97-100页 |
| ·支持向量机与神经网络的诊断效果对比 | 第100-105页 |
| ·支持向量机故障诊断输出的信息融合 | 第105-108页 |
| ·本章小结 | 第108-110页 |
| 第6章 离线和在线用故障诊断系统设计与研究 | 第110-132页 |
| ·嵌入式手持故障诊断仪设计与实现 | 第110-119页 |
| ·软硬件总体框架 | 第110-114页 |
| ·故障码设计 | 第114-116页 |
| ·故障诊断流程与策略 | 第116-119页 |
| ·状态监测与故障诊断专家系统设计与研究 | 第119-131页 |
| ·系统总体结构 | 第119-120页 |
| ·知识库 | 第120-123页 |
| ·推理机 | 第123-124页 |
| ·自学习机制 | 第124-125页 |
| ·原型机设计与实现 | 第125-128页 |
| ·诊断实例与分析 | 第128-131页 |
| ·本章小结 | 第131-132页 |
| 第7章 全文工作总结与展望 | 第132-136页 |
| ·全文工作总结 | 第132-134页 |
| ·本文创新点 | 第134页 |
| ·工作展望 | 第134-136页 |
| 致谢 | 第136-137页 |
| 参考文献 | 第137-146页 |
| 攻读博士学位期间发表的论文及参加的科研项目 | 第146-148页 |
