船舶柴油机热工故障仿真与诊断方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 船舶柴油机故障诊断的研究现状和发展 | 第9-13页 |
| 1.2.1 船舶柴油机故障诊断的研究现状 | 第9-11页 |
| 1.2.2 船舶柴油机故障诊断的发展趋势 | 第11-13页 |
| 1.3 本文主要研究目标及内容 | 第13-15页 |
| 第2章 柴油机工作过程建模与仿真 | 第15-35页 |
| 2.1 柴油机热力学数值计算原理 | 第15-26页 |
| 2.1.1 气缸仿真模型 | 第15-22页 |
| 2.1.2 进排气系统模型 | 第22-25页 |
| 2.1.3 涡轮增压器模型 | 第25-26页 |
| 2.2 柴油机数值计算模型实现 | 第26-34页 |
| 2.2.1 仿真对象介绍 | 第26-27页 |
| 2.2.2 模型仿真计算与验证 | 第27-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第3章 柴油机热工故障仿真 | 第35-47页 |
| 3.1 柴油机热工故障概述 | 第35-41页 |
| 3.1.1 柴油机热工故障的基本类型 | 第35-36页 |
| 3.1.2 柴油机热工故障分析 | 第36-39页 |
| 3.1.3 热工参数的选取 | 第39-41页 |
| 3.2 常见热工故障仿真与分析 | 第41-46页 |
| 3.2.1 热工故障仿真方案 | 第41-42页 |
| 3.2.2 热工故障仿真结果分析 | 第42-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第4章 基于神经网络的柴油机热工故障诊断方法 | 第47-74页 |
| 4.1 人工神经网络的基本理论 | 第47-56页 |
| 4.1.1 人工神经元模型 | 第47-49页 |
| 4.1.2 神经元的转移函数 | 第49-51页 |
| 4.1.3 人工神经网络模型 | 第51-54页 |
| 4.1.4 神经网络学习 | 第54-56页 |
| 4.2 BP神经网络 | 第56-62页 |
| 4.2.1 BP神经网络模型 | 第57-58页 |
| 4.2.2 BP学习算法 | 第58-62页 |
| 4.3 样本数据及BP神经网络结构的确定 | 第62-65页 |
| 4.3.1 样本数据产生 | 第62-65页 |
| 4.3.2 神经网络结构确定 | 第65页 |
| 4.4 BP神经网络的训练与测试 | 第65-73页 |
| 4.4.1 基于一阶梯度下降的BP神经训练 | 第66-70页 |
| 4.4.2 基于数值优化方法的BP神经训练 | 第70-72页 |
| 4.4.3 BP神经网络分类能力测试 | 第72-73页 |
| 4.5 本章小结 | 第73-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 5.1 全文总结 | 第74-75页 |
| 5.2 不足之处及后续工作展望 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
