基于柴油机循环平稳特性的气体压力重构方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究的目的和意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·循环平稳理论研究现状 | 第11页 |
| ·气缸压力识别研究现状 | 第11-13页 |
| ·本文的研究内容 | 第13-14页 |
| 第2章 缸盖振动响应信号特性分析 | 第14-22页 |
| ·主要激励源及时序分析 | 第14-17页 |
| ·燃烧激励源 | 第14-15页 |
| ·排气门节流冲击 | 第15页 |
| ·气门落座冲击 | 第15页 |
| ·活塞敲击激励 | 第15-16页 |
| ·主要激励的时序分析 | 第16-17页 |
| ·振动信号的循环平稳模型 | 第17-19页 |
| ·循环平稳信号 | 第17-18页 |
| ·振动信号的循环平稳特性 | 第18页 |
| ·振动信号的统计学模型 | 第18-19页 |
| ·振动信号的采样方式 | 第19-22页 |
| ·柴油机转速的波动性 | 第19-20页 |
| ·等曲柄转角采样 | 第20页 |
| ·数据采集原理 | 第20-22页 |
| 第3章 柴油机测试实验研究 | 第22-35页 |
| ·测试系统 | 第22-28页 |
| ·试验机型 | 第23页 |
| ·测试仪器 | 第23-24页 |
| ·仪器性能 | 第24-25页 |
| ·试验工况 | 第25页 |
| ·测点布置 | 第25-28页 |
| ·试验结果 | 第28-30页 |
| ·原始数据的标定变换 | 第28页 |
| ·缸盖振动信号波形 | 第28-29页 |
| ·缸内压力信号波形 | 第29页 |
| ·压力和振动信号频谱分析 | 第29-30页 |
| ·数据预处理 | 第30-35页 |
| ·消除振动信号数据趋势项 | 第30-31页 |
| ·振动信号数据的平滑处理 | 第31-32页 |
| ·消除压力通道效应 | 第32-35页 |
| 第4章 基于神经网络方法的气缸压力识别 | 第35-48页 |
| ·神经网络基础知识 | 第35页 |
| ·神经网络的特点 | 第35-37页 |
| ·神经网络的辨识内涵 | 第36-37页 |
| ·神经网络的辨识特点 | 第37页 |
| ·径向基函数网络基本理论 | 第37-38页 |
| ·RBF神经网络识别原理及步骤 | 第38-40页 |
| ·RBF神经网络识别原理 | 第38-39页 |
| ·识别步骤 | 第39-40页 |
| ·神经网络法识别流程图 | 第40页 |
| ·训练样本数据预处理 | 第40-43页 |
| ·数据预处理的目的 | 第40-41页 |
| ·训练样本信号的同步平均 | 第41-43页 |
| ·气缸压力识别结果 | 第43-47页 |
| ·同步平均处理对识别精度的影响分析 | 第44-45页 |
| ·网络对工况的适应性分析 | 第45-47页 |
| ·结论 | 第47-48页 |
| 第5章 基于传递函数法的气缸压力识别 | 第48-68页 |
| ·缸盖系统振动模型 | 第48-49页 |
| ·传递函数法识别气缸压力 | 第49页 |
| ·振动信号低通滤波 | 第49-53页 |
| ·FIR数字滤波器 | 第50页 |
| ·滤波器设计及滤波 | 第50-53页 |
| ·振动信号的自适应对消 | 第53-58页 |
| ·自适应对消原理 | 第53-55页 |
| ·振动信号的对消处理 | 第55-58页 |
| ·传递函数法识别流程图 | 第58页 |
| ·气缸压力识别结果 | 第58-65页 |
| ·对消处理对识别精度的影响分析 | 第62-63页 |
| ·测点位置对识别结果的影响分析 | 第63-65页 |
| ·系统的激励与响应的相干分析 | 第65-66页 |
| ·相干函数(凝聚函数) | 第65页 |
| ·传递函数模型的评判 | 第65-66页 |
| ·结论 | 第66-68页 |
| 第6章 总结与展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的论文 | 第74页 |
