| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·选题的背景与意义 | 第7-10页 |
| ·课题的国外研究现状 | 第10-11页 |
| ·主要研究的内容和思路 | 第11-13页 |
| 第二章 基于计算机技术的故障诊断的理论与方法 | 第13-26页 |
| ·故障诊断方法的分类 | 第13-14页 |
| ·基于计算机技术的故障诊断的主要理论方法 | 第14-25页 |
| ·基于模型的 FDI 技术的原理 | 第15-17页 |
| ·基于神经网络的 FDI | 第17-20页 |
| ·基于模糊逻辑的故障诊断 | 第20-25页 |
| ·进化算法结合神经网络的应用 | 第25页 |
| ·小结 | 第25-26页 |
| 第三章 RBF 神经网络 | 第26-36页 |
| ·引言 | 第26-27页 |
| ·RBF 神经网络概述 | 第27-33页 |
| ·RBF 神经网络结构 | 第27-28页 |
| ·RBF 神经网络的传递函数 | 第28页 |
| ·RBF 神经网络算法原理 | 第28-30页 |
| ·RBF 神经网络的算法 | 第30-32页 |
| ·RBF 神经网络算法步骤 | 第32-33页 |
| ·小结 | 第33页 |
| ·RBF 神经网络和 BP 神经网络的比较 | 第33-36页 |
| 第四章 基于 RBF 神经网络的汽车发动机故障诊断 | 第36-58页 |
| ·汽车电喷发动机常见故障 | 第36-38页 |
| ·失火诊断 | 第38-44页 |
| ·失火诊断的重要性 | 第38-39页 |
| ·失火诊断的常用方法 | 第39-44页 |
| ·尾气排放分析 | 第44-49页 |
| ·气体分析理论 | 第44-45页 |
| ·气体测量 | 第45-47页 |
| ·废气分析实验 | 第47-49页 |
| ·RBF 神经网络在汽车发动机故障诊断中的应用 | 第49-56页 |
| ·网络输入输出向量的确定 | 第49-50页 |
| ·网络训练样本的选取 | 第50-51页 |
| ·数据及训练样本的处理 | 第51-53页 |
| ·发动机故障诊断的 RBF 网络仿真 | 第53-56页 |
| ·本章小结 | 第56-58页 |
| 第五章 结论与展望 | 第58-65页 |
| ·结论 | 第58-61页 |
| ·ANN 应用的主要问题 | 第58-59页 |
| ·未来车辆在线故障诊断和预测对智能技术的要求 | 第59-61页 |
| ·展望 | 第61-65页 |
| ·RD&M 的背景 | 第61页 |
| ·RD&M 技术的优点 | 第61-62页 |
| ·RD&M 系统结构 | 第62-63页 |
| ·研究的重点和目标 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 A 计算机仿真程序 | 第69-72页 |
| 附录 B spread 取不同值下的网络训练误差曲线图 | 第72-77页 |
| 在学期间发表的论著及取得的科研成果 | 第77页 |