| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 课题研究的背景 | 第10页 |
| 1.1.2 课题研究的意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 F-T柴油性能与排放研究 | 第12-14页 |
| 1.2.2 人工神经网络在发动机优化、故障诊断及燃料中的研究 | 第14-15页 |
| 1.3 本文的主要研究内容 | 第15-18页 |
| 第二章 人工神经网络模型 | 第18-26页 |
| 2.1 人工神经网络简介 | 第18-19页 |
| 2.2 神经网络的数学模型 | 第19-23页 |
| 2.2.1 前馈型神经网络模型 | 第19-20页 |
| 2.2.2 径向基函数神经网络模型 | 第20-22页 |
| 2.2.3 遗传算法优化神经网络模型 | 第22-23页 |
| 2.3 神经网络预测柴油机性能 | 第23-25页 |
| 2.3.1 样本数据预处理 | 第23-24页 |
| 2.3.2 训练神经网络模型 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 柴油机燃用混合燃料的预测模型 | 第26-52页 |
| 3.1 试验准备及条件 | 第26-29页 |
| 3.1.1 试验用燃料理化特性参数 | 第26-27页 |
| 3.1.2 试验设备 | 第27-28页 |
| 3.1.3 试验方法介绍 | 第28-29页 |
| 3.2 柴油机经济性和动力性预测模型 | 第29-35页 |
| 3.2.1 油耗量预测模型 | 第30-33页 |
| 3.2.2 过量空气系数预测模型 | 第33-34页 |
| 3.2.3 输出扭矩预测模型 | 第34-35页 |
| 3.3 柴油机燃烧特征参数模型 | 第35-40页 |
| 3.3.1 缸压峰值模型 | 第37-38页 |
| 3.3.2 放热率峰值模型 | 第38-40页 |
| 3.4 柴油机排放预测模型 | 第40-46页 |
| 3.4.1 排气温度预测模型 | 第42-43页 |
| 3.4.2 NO_x排放模型 | 第43-44页 |
| 3.4.3 不透光度模型 | 第44-46页 |
| 3.5 振动特征参数模型 | 第46-51页 |
| 3.5.1 缸盖振动时域均方根模型 | 第49-50页 |
| 3.5.2 缸盖振动频域均值模型 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 混合燃料多属性评价 | 第52-60页 |
| 4.1 多属性决策概念 | 第52-53页 |
| 4.2 求解过程 | 第53-56页 |
| 4.3 多属性评价系统在燃料选择中的应用 | 第56-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 人工神经网络模型预测混合燃料性能 | 第60-68页 |
| 5.1 人工神经网络预测结果 | 第60页 |
| 5.2 试验测试结果 | 第60-61页 |
| 5.3 预测结果与试验结果对比 | 第61-66页 |
| 5.3.1 经济性、动力性对比 | 第61-62页 |
| 5.3.2 燃烧特性特征值对比 | 第62-63页 |
| 5.3.3 排放部分对比 | 第63-65页 |
| 5.3.4 振动特性特征值对比 | 第65-66页 |
| 5.4 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 附录 人工神经网络模型的结构参数 | 第76-78页 |
| 致谢 | 第78-80页 |
| 攻读学位期间的学术成果 | 第80-81页 |