| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 相关研究现状及综述 | 第11-14页 |
| 1.2.1 Atkinson循环发动机的研究现状 | 第11-13页 |
| 1.2.2 神经网络技术在发动机领域的研究 | 第13页 |
| 1.2.3 遗传算法在发动机领域的研究 | 第13-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 第2章 Atkinson循环发动机建模 | 第16-28页 |
| 2.1 GT-Power软件介绍 | 第16-17页 |
| 2.2 主要计算模块 | 第17-20页 |
| 2.2.1 传热计算模块 | 第17页 |
| 2.2.2 燃烧计算模块 | 第17-18页 |
| 2.2.3 爆震计算模块 | 第18页 |
| 2.2.4 流动计算模块 | 第18-20页 |
| 2.3 发动机台架试验 | 第20-22页 |
| 2.4 Atkinson循环发动机计算模型 | 第22-26页 |
| 2.4.1 计算模型参数 | 第22-25页 |
| 2.4.2 计算模型的验证 | 第25-26页 |
| 2.5 本章小结 | 第26-28页 |
| 第3章 Atkinson循环发动机关键优化参数研究 | 第28-35页 |
| 3.1 不同因素对Atkinson循环发动机性能的影响 | 第28-33页 |
| 3.1.1 混合气浓度 | 第28-29页 |
| 3.1.2 点火提前角 | 第29-30页 |
| 3.1.3 进气迟闭角 | 第30-32页 |
| 3.1.4 排气提前角 | 第32-33页 |
| 3.2 负荷调节方式 | 第33页 |
| 3.3 本章小结 | 第33-35页 |
| 第4章 Atkinson循环发动机的ANN模型 | 第35-45页 |
| 4.1 人工神经网络理论 | 第35-40页 |
| 4.1.1 人工神经网络概论 | 第35-36页 |
| 4.1.2 神经元及神经网络结构 | 第36-39页 |
| 4.1.3 典型的人工神经网络算法 | 第39-40页 |
| 4.2 基于拉丁超立方采样算法的实验设计 | 第40-41页 |
| 4.2.1 实验设计的基本理论 | 第40页 |
| 4.2.2 拉丁超立方采样算法 | 第40-41页 |
| 4.3 ANN模型 | 第41-44页 |
| 4.3.1 模型建立 | 第41-42页 |
| 4.3.2 ANN模型的训练 | 第42-43页 |
| 4.3.3 最优ANN模型选择 | 第43-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 Atkinson循环发动机燃油优化分析 | 第45-55页 |
| 5.1 遗传算法基本原理 | 第45-46页 |
| 5.2 遗传算法的数学模型 | 第46-48页 |
| 5.2.1 模式定理 | 第46-47页 |
| 5.2.2 隐含并行机理 | 第47页 |
| 5.2.3 计算收敛性分析 | 第47-48页 |
| 5.3 两种不同的优化方案 | 第48-53页 |
| 5.3.1 ANN+遗传算法 | 第48-50页 |
| 5.3.2 GT-Power+遗传算法 | 第50-51页 |
| 5.3.3 两种优化方案比较 | 第51-53页 |
| 5.4 发动机台架试验验证 | 第53-54页 |
| 5.5 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读硕士学位期间所发表的学术论文目录 | 第61页 |