| 中文摘要 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| 1．1 国内外汽车故障诊断技术的发展状况和趋势 | 第7-8页 |
| 1．2 汽车故障诊断的意义、目的和方法 | 第8-10页 |
| 1．2．1 汽车故障诊断的意义 | 第8-9页 |
| 1．2．2 汽车故障诊断的目的 | 第9页 |
| 1．2．3 汽车故障诊断的过程 | 第9-10页 |
| 1．3 故障诊断的内容和体系 | 第10-11页 |
| 1．3．1 诊断原理 | 第10-11页 |
| 1．3．2 诊断技术 | 第11页 |
| 1．4 本文研究的目标和内容 | 第11-12页 |
| 1．5 本章小结 | 第12-13页 |
| 第二章 诊断故障教学方法研究 | 第13-29页 |
| 2．1 模糊故障诊断法 | 第13-18页 |
| 2．1．1 模糊集合与隶属度 | 第13页 |
| 2．1．2 模糊统计与隶属函数的确定 | 第13-14页 |
| 2．1．2．1 确定隶属函数的一般方法 | 第13-14页 |
| 2．1．3 汽车故障诊断的模糊综合评判方法 | 第14-15页 |
| 2．1．4 模糊关系矩阵 | 第15-16页 |
| 2．1．5 模糊关系矩阵用于故障诊断实例 | 第16-18页 |
| 2．2 模糊模式识别 | 第18-22页 |
| 2．2．1 模糊模式识别算法 | 第18页 |
| 2．2．2 直接识别方法 | 第18-19页 |
| 2．2．3 间接识别方法 | 第19页 |
| 2．2．4 柴油机燃油喷射系统故障诊断实例 | 第19-22页 |
| 2．2．4．1 基于ARI（n，d）模型的特征参数提取 | 第19-20页 |
| 2．2．4．2 隶属函数的确定 | 第20页 |
| 2．2．4．3 模糊性度量 | 第20-21页 |
| 2．2．4．4 模拟实验与分析 | 第21-22页 |
| 2．3 故障树分析法 | 第22-28页 |
| 2．3．1 故障树的建造 | 第22-23页 |
| 2．3．2 故障的传递规律和可疑故障点的确定 | 第23-24页 |
| 2．3．2．1 故障的传递规律及图论描述 | 第23页 |
| 2．3．2．2 可达矩阵与可疑故障点的确定 | 第23-24页 |
| 2．3．2．3 可疑故障点的确定 | 第24页 |
| 2．3．3 汽车最佳诊断周期的确定 | 第24-25页 |
| 2．3．4 测试代价的定量计算 | 第25页 |
| 2．3．5 判据的含义及其生成途径 | 第25-26页 |
| 2．3．6 故障诊断最优摸索策略的求解 | 第26-28页 |
| 2．3．6．1 问题的表述 | 第26页 |
| 2．3．6．2 求解算法 | 第26-28页 |
| 2．4 本章小结 | 第28-29页 |
| 第三章 发动机性能检测与故障诊断专家系统的平台设计 | 第29-42页 |
| 3．1 开发语言的选择 | 第29页 |
| 3．2 Access数据库 | 第29-30页 |
| 3．3 数据采集系统 | 第30-35页 |
| 3．3．1 PC机部分 | 第30-31页 |
| 3．3．2 单片机部分 | 第31-35页 |
| 3．4 系统的抗干扰设计 | 第35-36页 |
| 3．4．1 光电隔离 | 第35页 |
| 3．4．2 提高电源电路的抗干扰能力 | 第35页 |
| 3．4．3 传感器 | 第35页 |
| 3．4．4 抗干扰软件措施 | 第35-36页 |
| 3．5 传感器的选择 | 第36页 |
| 3．6 诊断参数的选择原则 | 第36-38页 |
| 3．6．1 发动机故障诊断参数 | 第37-38页 |
| 3．7 发动机测试中数据的预处理 | 第38-39页 |
| 3．7．1 剔除测量数据中的奇异项 | 第38-39页 |
| 3．7．2 去除测量数据中的电平漂移 | 第39页 |
| 3．7．3 去除或提取测量数据的趋势项 | 第39页 |
| 3．7．4 测量数据的平滑滤波 | 第39页 |
| 3．8 特征参数数据归一化 | 第39-41页 |
| 3．9 本章小结 | 第41-42页 |
| 第四章 基于神经网络的故障诊断专家系统 | 第42-55页 |
| 4．1 专家系统概述 | 第42页 |
| 4．2 神经网络故障诊断专家系统 | 第42-48页 |
| 4．2．1 传统专家的构成及功能 | 第42-44页 |
| 4．2．2 从传统专家到神经网络专家系统 | 第44-45页 |
| 4．2．2．1 人工神经网络概述 | 第44-45页 |
| 4．2．3 Sigmoid函数下的BP算法 | 第45-47页 |
| 4．2．3．1 算法步骤 | 第46-47页 |
| 4．2．4 多层网络BP算法的程序设计 | 第47-48页 |
| 4．3 神经网络故障诊断专家系统推理机制 | 第48-51页 |
| 4．4 基于BP神经网络的模糊故障诊断 | 第51-52页 |
| 4．5 BP算法在柴油机故障诊断中的应用实例 | 第52-54页 |
| 4．6 本章小结 | 第54-55页 |
| 第五章 汽车发动机性能检测与故障诊断专家系统的开发 | 第55-69页 |
| 5．1 系统软件的结构 | 第55-57页 |
| 5．2 系统各功能子模块的设计 | 第57-68页 |
| 5．2．1 发动机性能综合检测 | 第57-62页 |
| 5．2．2．1 实例：发动机无外载加速测功法与故障诊断 | 第58-62页 |
| 5．2．2 发动机专家学习与故障诊断 | 第62-67页 |
| 5．2．3 发动机波形 | 第67-68页 |
| 5．2．4 发动机技术参数 | 第68页 |
| 5．3 本章小结 | 第68-69页 |
| 第六章 结论与展望 | 第69-71页 |
| 附录 单片机信号处理程序 | 第71-88页 |
| 参考文献 | 第88-91页 |
| 致谢 | 第91-92页 |
| 英文摘要 | 第92-93页 |
