| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·汽车运行状态远程监测及故障分析系统的发展状况和趋势 | 第7-9页 |
| ·国外研究状况 | 第7-8页 |
| ·国内研究状况 | 第8页 |
| ·未来发展趋势 | 第8-9页 |
| ·汽车运行状态远程监测及故障分析系统的研究背景和意义 | 第9-10页 |
| ·本课题的研究内容 | 第10-12页 |
| ·研究的主要内容 | 第10-11页 |
| ·研究难点 | 第11-12页 |
| 第二章 本研究工作所涉及的基本理论和方法 | 第12-35页 |
| ·RBF 神经网络的基本理论和方法 | 第12-28页 |
| ·人工神经网络的基本理论 | 第12-17页 |
| ·人工神经网络的结构类型和特点 | 第17-19页 |
| ·RBF 神经网络的基本原理及其学习算法 | 第19-27页 |
| ·研究所用的MATLAB 工具箱 | 第27-28页 |
| ·专家系统的基本理论 | 第28-31页 |
| ·专家系统的结构 | 第28-29页 |
| ·专家系统的特点 | 第29-30页 |
| ·专家系统的开发过程 | 第30-31页 |
| ·基于 RBF 神经网络的专家系统 | 第31-34页 |
| ·神经网络与专家系统的对比 | 第31-32页 |
| ·神经网络与专家系统的优势互补 | 第32页 |
| ·基于RBF 神经网络的专家系统的工作原理及特点 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 汽车状态远程监测系统的硬件构成及分析方法 | 第35-43页 |
| ·汽车运行状态远程监测系统的结构及组成 | 第35-38页 |
| ·汽车运行状态远程监测系统各子系统简介 | 第35-37页 |
| ·本文研究的故障分析系统的结构及组成 | 第37-38页 |
| ·本研究中汽车发动机故障分析系统的分析方法 | 第38-42页 |
| ·分析方法的选择 | 第38-39页 |
| ·RBF 网络与BP 网络的对比仿真 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 汽车发动机故障分析系统的软件设计 | 第43-63页 |
| ·发动机故障征兆及其技术状态特征 | 第43-46页 |
| ·发动机典型故障的结构征兆 | 第44-45页 |
| ·典型故障征兆的状态特征参数 | 第45-46页 |
| ·构建发动机故障分析的 RBF 网络模型 | 第46-55页 |
| ·故障征兆-故障模式样本集的设计 | 第46-47页 |
| ·样本数据预处理 | 第47-50页 |
| ·构建发动机故障分析的 RBF 网络模型 | 第50-55页 |
| ·结果的转换 | 第55页 |
| ·各种接口的实现及编程 | 第55-62页 |
| ·MATLAB 与 Visual Basic 的接口的实现 | 第55-58页 |
| ·Visual Basic 与 SQL 接口的实现 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 结论与展望 | 第63-65页 |
| ·主要结论 | 第63页 |
| ·研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-68页 |
| 在学期间发表的论著及取得的科研成果 | 第68页 |
