| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第7-12页 |
| 1.1 课题背景及意义 | 第7-8页 |
| 1.2 数据驱动控制算法发展及现状 | 第8-10页 |
| 1.2.1 数据驱动控制算法发展历程 | 第8-9页 |
| 1.2.2 数据驱动控制算法的现状 | 第9-10页 |
| 1.3 本文研究内容 | 第10页 |
| 1.4 本文结构 | 第10-11页 |
| 1.5 本章小结 | 第11-12页 |
| 第二章 柴油/天然气双燃料发动机原理研究及模型的建立 | 第12-21页 |
| 2.1 柴油/天然气双燃料发动机原理研究 | 第12-13页 |
| 2.1.1 发动机的工作模式 | 第12页 |
| 2.1.2 电控系统控制原理 | 第12-13页 |
| 2.2 混燃系统特性 | 第13-14页 |
| 2.2.1 燃烧特性 | 第13页 |
| 2.2.2 排放特性 | 第13-14页 |
| 2.3 发动机的数学模型 | 第14-18页 |
| 2.3.1 燃烧模型 | 第14-15页 |
| 2.3.2 进气模型 | 第15-16页 |
| 2.3.3 排放模型 | 第16-18页 |
| 2.4 发动机的Simulink模型 | 第18-19页 |
| 2.4.1 MATLAB/Simulink数据库 | 第18页 |
| 2.4.2 发动机的Simulink简化模型 | 第18-19页 |
| 2.5 模型验证 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 基于模型仿真数据的工况辨识 | 第21-32页 |
| 3.1 发动机工况的划分 | 第21-22页 |
| 3.2 控制策略的研究 | 第22-26页 |
| 3.2.1 特征参数的确定 | 第23-26页 |
| 3.2.2 特征参数的提取 | 第26页 |
| 3.3 工况辨识策略 | 第26-31页 |
| 3.3.1 神经网络辨识方法 | 第26-27页 |
| 3.3.2 神经网络程序设计 | 第27-30页 |
| 3.3.3 模型训练与测试结果 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 柴油/天然气双燃料发动机控制算法研究 | 第32-46页 |
| 4.1 典型的数据驱动控制算法研究 | 第32页 |
| 4.2 PID控制算法 | 第32-33页 |
| 4.3 迭代学习控制算法 | 第33-38页 |
| 4.3.1 基本思想 | 第33-34页 |
| 4.3.2 算法描述 | 第34-36页 |
| 4.3.3 仿真分析 | 第36-38页 |
| 4.4 自适应控制算法 | 第38-45页 |
| 4.4.1 基本思想 | 第38-39页 |
| 4.4.2 算法描述 | 第39-40页 |
| 4.4.3 仿真分析 | 第40-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第五章 柴油/天然气双燃料发动机控制系统仿真实验 | 第46-59页 |
| 5.1 柴油/天然气双燃料发动机控制策略研究 | 第46页 |
| 5.2 方案一：迭代PID控制算法 | 第46-50页 |
| 5.2.1 方案思想 | 第46-47页 |
| 5.2.2 仿真实验分析 | 第47-50页 |
| 5.3 方案二：自整定PID控制算法 | 第50-52页 |
| 5.3.1 方案思想 | 第50页 |
| 5.3.2 仿真实验分析 | 第50-52页 |
| 5.4 控制方案结果分析 | 第52页 |
| 5.5 算法验证 | 第52-57页 |
| 5.5.1 系统的经济性分析 | 第53-55页 |
| 5.5.2 环保性分析 | 第55-57页 |
| 5.6 补充实验 | 第57-58页 |
| 5.7 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| 6.1 本文总结 | 第59页 |
| 6.2 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-65页 |