| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-12页 |
| ·课题研究背景和意义 | 第8-9页 |
| ·涡轮增压系统故障诊断研究发展状况 | 第9-10页 |
| ·故障诊断技术的发展趋势 | 第10-11页 |
| ·本文的章节安排 | 第11-12页 |
| 第二章 涡轮增压系统及故障诊断方法 | 第12-20页 |
| ·涡轮增压系统工作原理 | 第12-13页 |
| ·涡轮增压系统故障及原因 | 第13-14页 |
| ·涡轮增压系统故障诊断的主要理论方法 | 第14-17页 |
| ·数学建模 | 第14页 |
| ·基于信号处理的方法 | 第14-16页 |
| ·基于人工智能的故障诊断方法 | 第16-17页 |
| ·神经网络与涡轮增压系统故障诊断 | 第17-18页 |
| ·涡轮增压系统故障诊断过程 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 神经网络和遗传算法基础 | 第20-30页 |
| ·人工神经网络简介 | 第20页 |
| ·神经网络理论基础 | 第20-24页 |
| ·神经元的模型 | 第20-22页 |
| ·BP神经网络 | 第22页 |
| ·BP神经网络的学习算法 | 第22-23页 |
| ·BP神经网络算法的优缺点 | 第23-24页 |
| ·遗传算法的概述 | 第24-25页 |
| ·遗传算法的基础步骤 | 第25-28页 |
| ·染色体编码 | 第25页 |
| ·群体初始设定 | 第25-26页 |
| ·适应度函数的计算 | 第26-27页 |
| ·遗传操作 | 第27-28页 |
| ·遗传算法的优缺点 | 第28页 |
| ·遗传算法优化BP神经网络 | 第28-29页 |
| ·遗传算法优化BP神经网络的权值 | 第28页 |
| ·遗传算法优化BP神经网络的结构 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 遗传算法的改进 | 第30-39页 |
| ·Hooke-Jeeves模式搜索法 | 第30-31页 |
| ·Hooke-Jeeves算法概念 | 第30页 |
| ·Hooke-Jeeves算法分析 | 第30-31页 |
| ·遗传算法的改进 | 第31-33页 |
| ·引入Hooke-Jeeves算法 | 第31-32页 |
| ·适应度函数的设计 | 第32-33页 |
| ·HJGA算法的实现 | 第33-37页 |
| ·算法流程 | 第33-35页 |
| ·仿真实验及分析 | 第35-37页 |
| ·本章小结 | 第37-39页 |
| 第五章 基于HJGA算法优化BP网络的涡轮增压系统故障诊断 | 第39-52页 |
| ·涡轮增压系统故障诊断模型建立 | 第39-40页 |
| ·涡轮增压系统样本预处理 | 第40-42页 |
| ·基于HJGA算法优化BP神经网络 | 第42-47页 |
| ·染色体编码 | 第42-43页 |
| ·交叉与变异 | 第43-44页 |
| ·基于HJGA算法优化BP神经网络流程 | 第44-47页 |
| ·故障诊断实验仿真 | 第47-51页 |
| ·网络训练 | 第47-49页 |
| ·网络测试 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结论 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读学位期间的研究成果 | 第56-57页 |