基于车联网的汽车发动机远程故障诊断系统的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 课题研究的背景 | 第9页 |
| 1.2 课题研究目的和意义 | 第9-11页 |
| 1.2.1 目的 | 第9-10页 |
| 1.2.2 意义 | 第10-11页 |
| 1.3 汽车远程故障诊断系统的研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-12页 |
| 1.3.2 国内研究现状 | 第12-14页 |
| 1.4 课题的提出与主要研究内容 | 第14-15页 |
| 1.5 创新与不足 | 第15-17页 |
| 2 车联网及汽车远程故障诊断系统概述 | 第17-29页 |
| 2.1 车联网与数据传输 | 第17-23页 |
| 2.1.1 车联网基本架构 | 第17-18页 |
| 2.1.2 车载总线 | 第18-21页 |
| 2.1.3 通信数据传输 | 第21-22页 |
| 2.1.4 应用系统体系结构 | 第22-23页 |
| 2.2 汽车远程故障诊断系统的基本原理及组成 | 第23-26页 |
| 2.2.1 基本原理 | 第23页 |
| 2.2.2 基本组成 | 第23-26页 |
| 2.3 汽车远程故障诊断系统的结构方案选择 | 第26-28页 |
| 2.3.1 车载数据采集终端 | 第26页 |
| 2.3.2 数据远程传输方案 | 第26-27页 |
| 2.3.3 车辆信息管理服务中心 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 汽车发动机故障诊断基础理论 | 第29-39页 |
| 3.1 汽车发动机故障模式 | 第29-31页 |
| 3.2 故障预处理方法 | 第31-35页 |
| 3.2.1 传统故障预处理方法 | 第31-32页 |
| 3.2.2 Hilbert-Huang变换 | 第32-33页 |
| 3.2.3 傅里叶变换 | 第33页 |
| 3.2.4 小波包分析 | 第33-34页 |
| 3.2.5 小波分析 | 第34-35页 |
| 3.3 故障诊断方法 | 第35-38页 |
| 3.3.1 故障诊断原理 | 第35-36页 |
| 3.3.2 神经网络理论 | 第36-37页 |
| 3.3.3 基于神经网络的故障诊断 | 第37-38页 |
| 3.3.4 基于BP模型的神经网络理论 | 第38页 |
| 3.4 本章小结 | 第38-39页 |
| 4 汽车发动机远程故障诊断系统关键技术研究 | 第39-51页 |
| 4.1 基于小波阈值去噪的故障预处理方法 | 第39-45页 |
| 4.1.1 小波阈值去噪原理 | 第39-40页 |
| 4.1.2 故障特征提取 | 第40-41页 |
| 4.1.3 提取故障特征波形 | 第41-45页 |
| 4.2 基于BP神经网络的故障诊断方法 | 第45-50页 |
| 4.2.1 构建BP神经网络的原理 | 第45-46页 |
| 4.2.2 BP神经网络的训练方法 | 第46-48页 |
| 4.2.3 识别发动机故障状态 | 第48-50页 |
| 4.3 本章小结 | 第50-51页 |
| 5 汽车发动机远程故障诊断系统的实验与分析 | 第51-59页 |
| 5.1 实验方案总体说明 | 第51页 |
| 5.2 实验装置及技术参数 | 第51-55页 |
| 5.3 实验方法 | 第55-56页 |
| 5.4 实验结果与分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 全文工作总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读学位期间的主要学术成果 | 第65-67页 |
| 致谢 | 第67页 |
