| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 研究背景 | 第18-22页 |
| 1.1.1 SCR系统概述 | 第19-21页 |
| 1.1.2 车载诊断系统概述 | 第21-22页 |
| 1.2 国内外研究现状 | 第22-24页 |
| 1.2.1 国内研究现状 | 第22-23页 |
| 1.2.2 国外研究现状 | 第23-24页 |
| 1.3 本文主要研究内容及意义 | 第24-26页 |
| 第2章 重型车排放法规对比研究及SCR效率诊断研究路线确定 | 第26-40页 |
| 2.1 排放法规发展研究 | 第26-37页 |
| 2.1.1 重型车NOx排放法规 | 第27-29页 |
| 2.1.2 车辆排放模型简介 | 第29-31页 |
| 2.1.3 实际道路行驶污染物测试 | 第31-34页 |
| 2.1.4 OBD系统技术要求及SCR效率诊断 | 第34-37页 |
| 2.2 SCR系统效率诊断研究路线确定 | 第37-39页 |
| 2.3 本章小结 | 第39-40页 |
| 第3章 SCR系统效率在线故障诊断算法框架 | 第40-53页 |
| 3.1 数据预处理 | 第41-47页 |
| 3.1.1 原始特征 | 第42-44页 |
| 3.1.2 主成分分析 | 第44-46页 |
| 3.1.3 特征筛选 | 第46-47页 |
| 3.2 基于线性回归的效率诊断算法 | 第47-49页 |
| 3.3 基于神经网络的效率诊断算法 | 第49-51页 |
| 3.4 本章小结 | 第51-53页 |
| 第4章 SCR系统建模及验证 | 第53-68页 |
| 4.1 Urea-SCR系统工作原理 | 第53-55页 |
| 4.2 SCR系统的数学建模 | 第55-63页 |
| 4.3 SCR模型的参数辨识和试验验证 | 第63-66页 |
| 4.4 本章小结 | 第66-68页 |
| 第5章 SCR系统效率诊断算法的结果分析 | 第68-80页 |
| 5.1 数据预处理结果分析 | 第68-71页 |
| 5.1.1 原始特征提取结果 | 第68-69页 |
| 5.1.2 主成分分析结果 | 第69-70页 |
| 5.1.3 特征筛选结果 | 第70-71页 |
| 5.2 基于线性回归的效率诊断算法的结果分析 | 第71-75页 |
| 5.3 基于神经网络的效率诊断算法的结果分析 | 第75-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 全文总结及工作展望 | 第80-83页 |
| 6.1 全文总结 | 第80-81页 |
| 6.2 工作展望 | 第81-83页 |
| 参考文献 | 第83-88页 |
| 作者简介及科研成果 | 第88-89页 |
| 致谢 | 第89-90页 |