客车空调监测系统的研究与实现
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究背景及意义 | 第9-10页 |
| 1.3 相关领域国内外研究现状 | 第10-15页 |
| 1.3.1 新能源客车现状 | 第10-11页 |
| 1.3.2 空调故障检测国内外研究现状 | 第11-15页 |
| 1.4 本文的主要研究内容和组织架构 | 第15-17页 |
| 第2章 新能源客车空调分析及仿真 | 第17-37页 |
| 2.1 客车空调的组成及工作原理 | 第17-23页 |
| 2.1.1 客车空调组成 | 第17-19页 |
| 2.1.2 客车空调工作原理 | 第19-23页 |
| 2.2 空调制冷系统AMESim仿真实现 | 第23-27页 |
| 2.3 空调故障分析及仿真实现 | 第27-36页 |
| 2.3.1 冷凝器故障分析及仿真 | 第29-31页 |
| 2.3.2 蒸发器故障分析及仿真 | 第31-33页 |
| 2.3.3 电池故障分析及仿真 | 第33-34页 |
| 2.3.4 制冷剂泄露分析及仿真 | 第34-35页 |
| 2.3.5 其他故障分析 | 第35-36页 |
| 2.3.6 故障总结 | 第36页 |
| 2.4 本章小结 | 第36-37页 |
| 第3章 客车空调故障诊断算法设计与实现 | 第37-53页 |
| 3.1 常用的故障诊断方法 | 第37-38页 |
| 3.2 改进粒子群算法进行空调故障预测 | 第38-42页 |
| 3.2.1 BP神经网络参数选取 | 第38-40页 |
| 3.2.2 粒子群算法及改进 | 第40-42页 |
| 3.3 改进支持向量机进行空调故障预测 | 第42-47页 |
| 3.3.1 支持向量机原理 | 第42-45页 |
| 3.3.2 改进粒子群算法优化支持向量机参数 | 第45-47页 |
| 3.4 结果对比 | 第47-52页 |
| 3.4.1 故障仿真数据集测试 | 第47-48页 |
| 3.4.2 纯电动客车空调故障数据测试 | 第48-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 客车空调监测系统客户端设计 | 第53-64页 |
| 4.1 客车空调监测系统组成 | 第53-54页 |
| 4.2 需求分析和安卓环境搭建 | 第54-55页 |
| 4.2.1 需求分析 | 第54页 |
| 4.2.2 安卓环境搭建 | 第54-55页 |
| 4.3 数据库设计 | 第55-57页 |
| 4.4 客户端设计 | 第57-63页 |
| 4.4.1 注册界面 | 第58-59页 |
| 4.4.2 登录界面 | 第59-60页 |
| 4.4.3 驾驶员模块 | 第60-61页 |
| 4.4.4 维修员模块 | 第61-63页 |
| 4.4.5 系统管理员模块 | 第63页 |
| 4.5 本章小结 | 第63-64页 |
| 第5章 客车空调故障采集系统设计及实现 | 第64-70页 |
| 5.1 嵌入式综合信息采集系统的设计 | 第64-66页 |
| 5.2 空调故障诊断流程 | 第66-67页 |
| 5.3 实地测试 | 第67-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第6章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 作者在攻读硕士学位期间发表的学术论文及成果 | 第77页 |
