基于神经网络的混合动力汽车故障诊断研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-18页 |
| ·研究背景与意义 | 第8-10页 |
| ·混合动力汽车种类与特点 | 第10-12页 |
| ·汽车故障诊断技术 | 第12-15页 |
| ·汽车故障诊断概述 | 第12-13页 |
| ·汽车故障的种类与特点 | 第13-14页 |
| ·汽车故障的诊断方法 | 第14-15页 |
| ·国内外研究水平和发展方向 | 第15-16页 |
| ·国外汽车诊断技术的发展概况 | 第15-16页 |
| ·国内汽车诊断技术的现状与发展 | 第16页 |
| ·本文主要研究的内容 | 第16-18页 |
| 第二章 故障诊断系统理论方法 | 第18-25页 |
| ·故障诊断的主要方法 | 第18-21页 |
| ·基于神经网络的故障诊断 | 第21-25页 |
| ·神经网络的发展 | 第21-22页 |
| ·神经网络的特点 | 第22页 |
| ·神经网络与HEV故障诊断 | 第22-25页 |
| 第三章 神经网络 | 第25-34页 |
| ·人工神经元数学模型 | 第25-26页 |
| ·神经网络的分类 | 第26-28页 |
| ·神经网络常用的几种学习算法 | 第28-30页 |
| ·Hebbian学习规则 | 第29页 |
| ·梯度下降法 | 第29页 |
| ·感知器学习规则 | 第29-30页 |
| ·Widrow-Hoff学习规则 | 第30页 |
| ·Winner-Take-All学习规则 | 第30页 |
| ·神经网络应用于故障诊断的途径 | 第30-34页 |
| ·神经网络与故障诊断模式识别 | 第31-32页 |
| ·神经网络与故障预测 | 第32页 |
| ·神经网络与故障诊断专家系统 | 第32-34页 |
| 第四章 BP神经网络 | 第34-51页 |
| ·BP网络 | 第34-38页 |
| ·BP网络的主要功能 | 第34页 |
| ·BP网络模型 | 第34-35页 |
| ·BP网络规则 | 第35-37页 |
| ·网络训练过程 | 第37-38页 |
| ·BP网络的设计 | 第38-41页 |
| ·网络的层数 | 第39页 |
| ·隐含层的神经元数 | 第39-40页 |
| ·初始权值的选取 | 第40页 |
| ·学习速率 | 第40-41页 |
| ·期望误差的选取 | 第41页 |
| ·限制与对策 | 第41-42页 |
| ·反向传播法的改进方法 | 第42-45页 |
| ·附加动量法 | 第42-43页 |
| ·误差函数的改进 | 第43-44页 |
| ·自适应学习速率 | 第44页 |
| ·双极性S型压缩函数法 | 第44-45页 |
| ·汽车故障诊断专家系统应用与仿真 | 第45-51页 |
| 第五章 集成神经网络 | 第51-64页 |
| ·故障诊断中的信息融合 | 第51-52页 |
| ·神经网络与信息融合 | 第52-53页 |
| ·集成神经网络的提出 | 第53-54页 |
| ·集成神经网络的结构 | 第54-56页 |
| ·子神经网络的组建原则 | 第56-57页 |
| ·集成神经网络的实现策略 | 第57-61页 |
| ·集成神经网络诊断应用 | 第61-64页 |
| 第六章 结论与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
