基于时间序列与神经网络的发动机积碳预测研究
| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 积碳的形成原因以及危害 | 第10-12页 |
| 1.2.2 积碳的检测方法 | 第12-13页 |
| 1.3 论文的研究内容和章节安排 | 第13-16页 |
| 1.3.1 论文的研究内容 | 第13-14页 |
| 1.3.2 论文的章节安排 | 第14-16页 |
| 第二章 车辆数据采集终端设计 | 第16-31页 |
| 2.1 OBD协议解析模块 | 第16-18页 |
| 2.1.1 OBD车载诊断系统简介 | 第16-17页 |
| 2.1.2 OBD协议解析模块EST527简介 | 第17页 |
| 2.1.3 车辆数据读取的实现 | 第17-18页 |
| 2.2 GPRS无线传输模块 | 第18-19页 |
| 2.2.1 SIM900A简介 | 第18页 |
| 2.2.2 远程通讯的实现 | 第18-19页 |
| 2.3 车辆数据采集终端硬件设计 | 第19-24页 |
| 2.3.1 SD卡读写模块 | 第21页 |
| 2.3.2 RTC电子时钟的实现 | 第21页 |
| 2.3.3 终端升级过程与集成 | 第21-22页 |
| 2.3.4 实验测试 | 第22-24页 |
| 2.4 车辆数据采集终端软件设计 | 第24-29页 |
| 2.4.1 需求分析和实现原理 | 第24-26页 |
| 2.4.2 时序控制和自动睡眠 | 第26-27页 |
| 2.4.3 详细设计和功能实现 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 车辆数据分析和信息挖掘 | 第31-41页 |
| 3.1 氧传感器电压特征分析 | 第31-37页 |
| 3.1.1 信息增益分析 | 第31-32页 |
| 3.1.2 特征参数提取 | 第32-33页 |
| 3.1.3 特征参数合理性检验 | 第33-37页 |
| 3.2 工况对发动机积碳的影响 | 第37页 |
| 3.3 驾驶习惯对发动机积碳的影响 | 第37-39页 |
| 3.4 路况对发动机积碳的影响 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 发动机积碳预测模型 | 第41-52页 |
| 4.1 积碳评估值定义与合理性检验 | 第41-44页 |
| 4.1.1 单位时间积碳评估值的计算 | 第41-42页 |
| 4.1.2 单位时间积碳评估值的合理性检验 | 第42页 |
| 4.1.3 一段时间积碳评估值的计算 | 第42-43页 |
| 4.1.4 一段时间积碳评估值的合理性检验 | 第43页 |
| 4.1.5 预测模型数据集的创建 | 第43-44页 |
| 4.2 递归神经网络概述 | 第44-45页 |
| 4.2.1 递归神经网络的定义 | 第44-45页 |
| 4.2.2 递归神经网络的公式推导 | 第45页 |
| 4.3 发动机积碳预测模型详解 | 第45-51页 |
| 4.3.1 基于RNN的预测模型 | 第46-47页 |
| 4.3.2 基于ARIMA的预测模型 | 第47-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验与测试报告 | 第52-62页 |
| 5.1 积碳的可预测性分析 | 第52-54页 |
| 5.1.1 数据集说明 | 第52页 |
| 5.1.2 纯随机性分析 | 第52页 |
| 5.1.3 平稳性分析 | 第52-53页 |
| 5.1.4 ARIMA建模后残差分析 | 第53-54页 |
| 5.2 预测模型的性能调优分析 | 第54-59页 |
| 5.2.1 基于RNN的积碳预测模型参数调优 | 第54-57页 |
| 5.2.2 ARIMA-BP模型性能调优 | 第57-59页 |
| 5.3 积碳产生的外因分析 | 第59-61页 |
| 5.4 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 全文总结 | 第62页 |
| 6.2 论文展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 附录1终端版本升级清单 | 第68-69页 |
| 附录2车辆数据项清单 | 第69-70页 |
| 附录3数据集清单 | 第70-72页 |
| 附录4积碳预测模型数据集 | 第72-81页 |
| 攻读硕士学位期间取得的研究成果 | 第81-82页 |
| 致谢 | 第82-83页 |
| 附件 | 第83页 |
