航空活塞式发动机过渡工况空燃比控制
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 字母注释表 | 第10-11页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 选题背景 | 第11-13页 |
| 1.1.1 活塞式航空器的发展现状 | 第11页 |
| 1.1.2 发动机缸内直喷技术 | 第11-12页 |
| 1.1.3 发动机空燃比控制策略 | 第12-13页 |
| 1.2 空燃比控制研究现状 | 第13-17页 |
| 1.2.1 空燃比PID反馈控制及其变形 | 第14-15页 |
| 1.2.2 基于模型的空燃比控制 | 第15-16页 |
| 1.2.3 空燃比智能控制 | 第16-17页 |
| 1.3 本文研究意义和工作内容 | 第17-19页 |
| 第二章 智能算法与模型预测控制 | 第19-39页 |
| 2.1 人工神经网络 | 第19-25页 |
| 2.1.1 神经网络特点 | 第19-20页 |
| 2.1.2 神经网络基本结构 | 第20-21页 |
| 2.1.3 神经网络学习算法 | 第21-22页 |
| 2.1.4 Elman神经网络 | 第22-24页 |
| 2.1.5 神经网络设计基础 | 第24-25页 |
| 2.2 粒子群优化算法 | 第25-28页 |
| 2.2.1 标准粒子群优化算法 | 第26-27页 |
| 2.2.2 改进粒子群优化算法的研究进展 | 第27-28页 |
| 2.3 融入变异算子的粒子群算法（VPSO） | 第28-31页 |
| 2.4 改进PSO算法优化神经网络 | 第31-33页 |
| 2.5 模型预测控制 | 第33-38页 |
| 2.5.1 模型预测控制概述 | 第33-34页 |
| 2.5.2 模型预测控制基本原理和结构 | 第34-36页 |
| 2.5.3 模型预测控制发展现状 | 第36-37页 |
| 2.5.4 基于人工神经网络的模型预测控制 | 第37-38页 |
| 2.6 本章小结 | 第38-39页 |
| 第三章 发动机过渡工况空燃比控制算法 | 第39-47页 |
| 3.1 空燃比PID控制算法 | 第39-40页 |
| 3.2 空燃比模型预测控制算法的开发与研究 | 第40-46页 |
| 3.2.1 空燃比理论模型分析 | 第41-43页 |
| 3.2.2 空燃比神经网络预测模型 | 第43-45页 |
| 3.2.3 参考轨迹 | 第45页 |
| 3.2.4 基于粒子群的滚动优化控制器 | 第45-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 发动机建模与控制算法仿真 | 第47-62页 |
| 4.1 航空活塞式发动机模型 | 第47-48页 |
| 4.2 航空活塞式发动机模型标定 | 第48-51页 |
| 4.3 航空活塞式发动机模型预测控制系统 | 第51-52页 |
| 4.4 VPSO-Elman空燃比预测模型辨识 | 第52-54页 |
| 4.5 仿真实验 | 第54-60页 |
| 4.5.1 不同过渡工况模式下的控制效果 | 第54-58页 |
| 4.5.2 不同节气门变化速率对控制效果的影响 | 第58-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 全文总结 | 第62-63页 |
| 5.2 工作展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表论文和科研情况说明 | 第67-68页 |
| 致谢 | 第68-69页 |
