摘要 | 第5-6页 |
Abstract | 第6页 |
第一章 绪论 | 第10-23页 |
1.1 引言 | 第10-11页 |
1.2 替代能源分类 | 第11-15页 |
1.2.1 替代燃料性能分析 | 第13-15页 |
1.2.2 甲醇作为代用燃料的优缺点精析 | 第15页 |
1.3 甲醇在发动机上的应用研究 | 第15-17页 |
1.3.1 国内甲醇在发动机上的应用研究 | 第16-17页 |
1.3.2 国外甲醇在发动机上的应用研究 | 第17页 |
1.4 人工神经网络遗传算法在柴油机工程上的研究进展 | 第17-21页 |
1.4.1 神经网络遗传算法简介 | 第17-18页 |
1.4.2 神经网络在柴油机上的应用 | 第18-20页 |
1.4.3 遗传算法在柴油机上的应用 | 第20页 |
1.4.4 神经网络遗传算法联合应用 | 第20-21页 |
1.5 本课题研究内容及意义 | 第21-22页 |
1.5.1 本课题研究内容 | 第21页 |
1.5.2 本课题研究意义 | 第21-22页 |
1.6 本章小结 | 第22-23页 |
第二章 甲醇柴油双燃料发动机台架试验 | 第23-36页 |
2.1 发动机台架试验材料及设备 | 第23-24页 |
2.2 喷醇试验设备 | 第24-28页 |
2.2.1 喷醇供给装置 | 第25-26页 |
2.2.2 甲醇喷射电子控制机构 | 第26-28页 |
2.3 双燃料发动机喷醇限制原因 | 第28-30页 |
2.4 试验过程及结果 | 第30-35页 |
2.4.1 纯柴油模式外特性试验 | 第30-31页 |
2.4.2 最大喷醇量试验 | 第31页 |
2.4.3 双燃料模式下台架试验 | 第31-35页 |
2.4.4 试验中遇到的问题 | 第35页 |
2.5 本章小结 | 第35-36页 |
第三章 神经网络和遗传算法理论基础 | 第36-48页 |
3.1 人工神经网络简介 | 第36页 |
3.2 人工神经网络的发展 | 第36-37页 |
3.3 人工神经网络的分类 | 第37-40页 |
3.4 BP神经网络理论基础 | 第40-42页 |
3.4.1 BP网络学习规则 | 第40-41页 |
3.4.2 BP算法改进 | 第41-42页 |
3.5 遗传算法简介 | 第42页 |
3.6 遗传算法特点 | 第42-43页 |
3.7 遗传算法的发展过程 | 第43-44页 |
3.8 遗传算法的应用 | 第44页 |
3.9 遗传算法的理论基础 | 第44-47页 |
3.9.1 模式定理 | 第44-46页 |
3.9.2 积木块假设 | 第46页 |
3.9.3 遗传算法困难问题 | 第46页 |
3.9.4 遗传算法收敛性分析 | 第46-47页 |
3.10 本章小结 | 第47-48页 |
第四章 神经网络遗传算法建模仿真及结果对比 | 第48-67页 |
4.1 人工神经网络的结构和实现 | 第48-55页 |
4.1.1 神经网络仿真准备工作 | 第48-49页 |
4.1.2 输入层、隐含层和输出层神经元数的确定 | 第49-51页 |
4.1.3 神经元传递函数的确定 | 第51-52页 |
4.1.4 权值的初始化 | 第52页 |
4.1.5 训练样本的归一化处理 | 第52-53页 |
4.1.6 BP神经网络网络构建框架的确定 | 第53页 |
4.1.7 批处理算法的确定 | 第53-54页 |
4.1.8 期望最小误差、最大循环次数参数的确定 | 第54-55页 |
4.2 遗传算法寻优 | 第55-62页 |
4.2.1 编码 | 第55-57页 |
4.2.2 求适应度函数 | 第57-58页 |
4.2.3 算子选择 | 第58-59页 |
4.2.4 交叉算子 | 第59-60页 |
4.2.5 变异算子 | 第60-61页 |
4.2.6 遗传算法的其他运行参数 | 第61-62页 |
4.2.7 约束条件的限定 | 第62页 |
4.3 神经网络遗传算法联合仿真 | 第62-64页 |
4.3.1 神经网络遗传算法优化结果 | 第63-64页 |
4.3.2 仿真结果分析 | 第64页 |
4.4 新旧MAP图醇耗对比 | 第64-65页 |
4.5 本章小结 | 第65-67页 |
第五章 总结与展望 | 第67-68页 |
5.1 全文总结 | 第67页 |
5.2 展望 | 第67-68页 |
参考文献 | 第68-72页 |
致谢 | 第72-73页 |
攻读硕士期间发表的论文 | 第73页 |