| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-20页 |
| 1.1 汽车衡的现状及发展趋势 | 第10-14页 |
| 1.1.1 静态电子汽车衡 | 第10-12页 |
| 1.1.2 动态汽车衡 | 第12页 |
| 1.1.3 汽车衡的发展趋势 | 第12-13页 |
| 1.1.4 汽车衡现有故障检测方法及不足 | 第13-14页 |
| 1.2 传感器故障诊断技术现状及发展 | 第14-16页 |
| 1.2.1 基于硬件冗余的故障诊断 | 第15页 |
| 1.2.2 基于解析冗余的故障诊断 | 第15页 |
| 1.2.3 基于信号处理的故障诊断 | 第15页 |
| 1.2.4 基于知识的故障诊断 | 第15-16页 |
| 1.3 本文研究意义及目的 | 第16-18页 |
| 1.4 本文研究的主要内容 | 第18-20页 |
| 第2章 智能化汽车衡与多传感器称重系统原理 | 第20-29页 |
| 2.1 称重传感器工作原理 | 第20-23页 |
| 2.1.1 称重传感器结构 | 第20-21页 |
| 2.1.2 称重传感器测量电路 | 第21-23页 |
| 2.2 汽车衡多传感器称重系统 | 第23-27页 |
| 2.2.1 汽车衡的构成 | 第23-24页 |
| 2.2.2 现有多传感器称重系统信号累加 | 第24-27页 |
| 2.3 智能化汽车衡原理 | 第27-28页 |
| 2.4 小结 | 第28-29页 |
| 第3章 智能化汽车衡多传感器故障诊断方法 | 第29-42页 |
| 3.1 汽车衡称重传感器故障分类 | 第29-31页 |
| 3.1.1 称重传感器硬故障 | 第29-30页 |
| 3.1.2 称重传感器软故障 | 第30-31页 |
| 3.2 汽车衡多传感器系统的神经网络输出预测模型 | 第31-39页 |
| 3.2.1 多路传感器输出的关联性分析 | 第31-32页 |
| 3.2.2 BP神经网络原理 | 第32-34页 |
| 3.2.3 汽车衡多传感器神经网络输出预测模型的建立 | 第34-37页 |
| 3.2.4 自适应输出预测模型的训练和仿真 | 第37-39页 |
| 3.3 汽车衡多传感器系统的故障诊断模型 | 第39-41页 |
| 3.3.1 基于BPNN输出预测模型的故障传感器诊断 | 第39-40页 |
| 3.3.2 二次预测单故障传感器寻址和信号恢复 | 第40-41页 |
| 3.4 小结 | 第41-42页 |
| 第4章 基于虚拟仪器的汽车衡多传感器故障诊断系统设计 | 第42-63页 |
| 4.1 系统的开发环境 | 第42-43页 |
| 4.1.1 LabVIEW简介 | 第42-43页 |
| 4.1.2 LabVIEW的优势 | 第43页 |
| 4.2 系统软件设计思路 | 第43-45页 |
| 4.3 系统界面设计 | 第45-49页 |
| 4.3.1 启动界面设计 | 第45-47页 |
| 4.3.2 主程序界面设计 | 第47-49页 |
| 4.4 系统模块实现 | 第49-59页 |
| 4.4.1 数据通信模块 | 第49-53页 |
| 4.4.2 数据存储模块 | 第53-55页 |
| 4.4.3 模型训练模块 | 第55-58页 |
| 4.4.4 故障诊断模块 | 第58-59页 |
| 4.5 汽车衡多传感器故障诊断系统调试 | 第59-62页 |
| 4.6 小结 | 第62-63页 |
| 第5章 智能化汽车衡的现场运行与故障诊断试验 | 第63-70页 |
| 5.1 汽车衡的技术指标 | 第63-65页 |
| 5.2 单传感器故障的汽车衡现场检定 | 第65-68页 |
| 5.3 汽车衡故障诊断系统试验 | 第68-69页 |
| 5.4 小结 | 第69-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 附录A (智能化汽车衡检定报告) | 第77-80页 |
| 附录B (专家组鉴定意见) | 第80-81页 |
| 附录C (攻读硕士学位期间所撰写的学术论文) | 第81页 |
