| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·汽车发动机故障诊断系统的现状和发展趋势 | 第10-13页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究状况 | 第11-12页 |
| ·发展趋势 | 第12-13页 |
| ·人工神经网络发展的历史 | 第13页 |
| ·汽车故障诊断系统研究目的和意义 | 第13-14页 |
| ·本文研究的主要内容 | 第14-15页 |
| 第二章 专家系统 | 第15-18页 |
| ·专家系统概述 | 第15页 |
| ·专家系统的类型 | 第15页 |
| ·专家系统的优点 | 第15页 |
| ·专家系统结构 | 第15-17页 |
| ·专家系统的开发步骤 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 基于神经网络的故障诊断 | 第18-31页 |
| ·人工神经网络简介 | 第18-19页 |
| ·人工神经网络概述 | 第18页 |
| ·人工神经网络的应用 | 第18页 |
| ·MATLAB 神经网络工具箱 | 第18-19页 |
| ·人工神经网络理论 | 第19-24页 |
| ·神经元结构模型 | 第19-20页 |
| ·神经网络的互联模式 | 第20-24页 |
| ·BP 神经网络 | 第24-27页 |
| ·BP 网络结构 | 第24-25页 |
| ·BP 学习算法 | 第25-26页 |
| ·BP 算法小结 | 第26页 |
| ·BP 算法的改进 | 第26-27页 |
| ·ELMAN 神经网络 | 第27-28页 |
| ·Elman 神经网络结构 | 第27页 |
| ·Elman 神经网络的学习过程 | 第27-28页 |
| ·概率神经网络PNN | 第28-29页 |
| ·概率神经网络PNN 概述 | 第28-29页 |
| ·概率神经网络PNN 结构 | 第29页 |
| ·径向基RBF 网络 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于神经网络的发动机故障诊断模型 | 第31-46页 |
| ·MATLAB 简介 | 第31-32页 |
| ·汽车发动机故障诊断神经网络的设计 | 第32-45页 |
| ·神经网络故障诊断策略 | 第32页 |
| ·故障征兆—故障模式样本集的设计 | 第32-33页 |
| ·故障样本的预处理 | 第33-36页 |
| ·基于BP 网络的发动机故障诊断 | 第36-40页 |
| ·基于Elman 网络的发动机故障诊断 | 第40-42页 |
| ·基于PNN 的发动机故障诊断 | 第42-43页 |
| ·基于RBF 网络的发动机故障诊断 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 汽车发动机故障诊断系统的实现 | 第46-50页 |
| ·汽车发动机故障诊断系统开发平台 | 第46-47页 |
| ·数据库设计 | 第47页 |
| ·数据库连接设计 | 第47页 |
| ·系统软件实现的关键技术 | 第47-48页 |
| ·MATLAB 对Visual C++的调用方法 | 第47-48页 |
| ·在Visual C++中调用MATLAB 计算引擎 | 第48页 |
| ·系统运行实例 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第六章 结论与展望 | 第50-51页 |
| ·结论 | 第50页 |
| ·展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 个人简介 | 第56页 |