基于支持向量机的汽车ESP系统故障诊断
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·论文的研究背景和意义 | 第11-12页 |
| ·汽车故障诊断技术概述 | 第12-13页 |
| ·汽车故障诊断的定义 | 第12页 |
| ·汽车故障诊断技术的发展概况 | 第12-13页 |
| ·支持向量机方法在故障诊断中的应用意义 | 第13-16页 |
| ·故障诊断技术分类 | 第13-15页 |
| ·支持向量机方法在故障诊断中的应用意义 | 第15-16页 |
| ·支持向量机理论发展概述 | 第16页 |
| ·本文的研究目标及研究内容 | 第16-19页 |
| ·本文研究目标 | 第16-17页 |
| ·本文研究内容 | 第17-19页 |
| 第二章 ESP系统介绍 | 第19-29页 |
| ·引言 | 第19页 |
| ·ESP系统的结构组成 | 第19-24页 |
| ·ESP系统的ECU | 第19-20页 |
| ·ESP系统的传感器 | 第20-21页 |
| ·ESP系统的执行器 | 第21-24页 |
| ·ESP系统的工作原理 | 第24-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于AMESim软件的整车系统建模 | 第29-41页 |
| ·AMESim软件介绍 | 第29-30页 |
| ·AMESim软件的特点 | 第30-31页 |
| ·整车系统模型 | 第31-39页 |
| ·车辆模型 | 第32-33页 |
| ·转向系统模型 | 第33-34页 |
| ·动力系统模型 | 第34页 |
| ·空气动力学系统模型 | 第34-35页 |
| ·悬架系统模型 | 第35页 |
| ·传感器系统模型 | 第35-37页 |
| ·轮胎系统模型 | 第37页 |
| ·路面系统模型 | 第37-38页 |
| ·汽车稳定系统模型 | 第38-39页 |
| ·本章小结 | 第39-41页 |
| 第四章 支持向量机方法的理论介绍 | 第41-53页 |
| ·引言 | 第41页 |
| ·统计学基础 | 第41-46页 |
| ·机器学习的基本问题 | 第41-43页 |
| ·经验风险最小化原则 | 第43页 |
| ·VC维 | 第43-44页 |
| ·学习机器的推广性以及推广性的界 | 第44-45页 |
| ·结构风险最小化原则 | 第45-46页 |
| ·支持向量机理论基础 | 第46-52页 |
| ·线性可分的最优分类面 | 第47-48页 |
| ·线性不可分的最优分类面 | 第48-50页 |
| ·核函数 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于支持向量机的ESP系统故障诊断 | 第53-75页 |
| ·故障模式分析 | 第53-54页 |
| ·无故障情况 | 第54-56页 |
| ·执行器故障情况 | 第56-60页 |
| ·左前轮执行器发生故障 | 第56-57页 |
| ·右前轮执行器发生故障 | 第57-58页 |
| ·左后轮执行器发生故障 | 第58-59页 |
| ·右后轮执行器发生故障 | 第59-60页 |
| ·传感器故障情况 | 第60-65页 |
| ·左前轮轮速传感器发生故障 | 第61-62页 |
| ·右前轮轮速传感器发生故障 | 第62-63页 |
| ·左后轮轮速传感器发生故障 | 第63-64页 |
| ·右后轮轮速传感器发生故障 | 第64-65页 |
| ·数据采集 | 第65-70页 |
| ·数据预处理 | 第70-71页 |
| ·MATLAB中支持向量机的训练与预测函数介绍 | 第71-72页 |
| ·诊断结果与分析 | 第72-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 全文总结与展望 | 第75-77页 |
| ·全文总结 | 第75页 |
| ·研究展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介及研究成果 | 第83页 |
| 作者简介 | 第83页 |
| 攻读硕士学位期间参加的科研项目 | 第83页 |
| 攻读硕士学位期间发表的论文 | 第83页 |
