首页--工业技术论文--能源与动力工程论文--内燃机论文--柴油机论文--理论论文

高压共轨柴油机多次喷射喷油率特征及通过人工智能对其进行的控制

中文摘要第4-5页
ABSTRACT第5页
字母注释表第10-11页
第一章 绪论第11-16页
    1.1 前言第11页
    1.2 高压共轨系统与压电喷油器的发展第11-12页
    1.3 压力波动研究背景第12-13页
    1.4 人工智能神经网络第13-14页
    1.5 本课题研究意义第14-16页
第二章 实验系统第16-20页
    2.1 高压共轨供油系统第16-17页
    2.2 高压共轨电控实验控制系统第17-19页
    2.3 高压共轨实验采集系统第19页
    2.4 小结第19-20页
第三章 压力波动与喷油率实验结果及分析第20-39页
    3.1 工况设计第20-21页
    3.2 喷油器稳定性以及环境影响因素分析第21-22页
        3.2.1 喷油器稳定性第21-22页
        3.2.2 背压影响第22页
    3.3 压力波动实验结果及分析第22-26页
    3.4 喷油率实验结果分析第26-34页
        3.4.1 喷油率变化曲线对比分析第27-32页
        3.4.2 喷油量变化曲线对比分析第32-34页
    3.5 压力波动与喷油率曲线综合分析第34-35页
    3.6 喷油间隔对第二次喷射各项参数的影响总结第35-38页
        3.6.1 喷油间隔对第二次喷射喷油压力的影响第35页
        3.6.2 喷油间隔对第二次喷射喷油率的影响第35-36页
        3.6.3 喷油间隔对第二次喷射喷油量的影响第36页
        3.6.4 喷油间隔对第二次喷射的燃烧和排放的影响第36-37页
        3.6.5 喷油间隔对第二次喷射各项参数控制必要性第37-38页
    3.7 小结第38-39页
第四章 喷油策略的ANN控制第39-56页
    4.1 多次喷射喷油策略的ANN控制概括第39页
    4.2 ANN控制基础和发动机控制实例第39-40页
    4.3 人工神经网络概述和BP网络参数选择第40-45页
        4.3.1 BP神经网络第41-42页
        4.3.2 BP网络学习过程第42页
        4.3.3 BP学习算法第42-44页
        4.3.4 BP算法参数选择第44-45页
    4.4 BP神经网络训练验证过程第45-49页
        4.4.1 BP网络样本选择第45页
        4.4.2 训练和验证网络第45-49页
    4.5 保证喷油量一致不同喷油间隔对应喷油脉宽的网络预测第49-51页
        4.5.1 喷油脉宽网络预测与原始数据的比较验证第49-50页
        4.5.2 喷油间隔和喷油脉宽控制喷油量第50-51页
    4.6 喷油率以及喷油压力控制参数的实现第51-55页
        4.6.1 喷油压力与喷油率神经网络验证第51-54页
        4.6.2 喷油压力和喷油率控制喷油间隔和喷油脉宽第54页
        4.6.3 喷油持续期的网络预测第54-55页
    4.7 小结第55-56页
第五章 全文总结与展望第56-58页
    5.1 全文总结第56-57页
    5.2 展望第57-58页
参考文献第58-62页
发表论文和参加科研情况说明第62-63页
致谢第63-64页

论文共64页,点击 下载论文
上一篇:地埋管换热器出水温度影响因素及与土壤温度的关系研究
下一篇:EGR对Miller-Otto循环汽油机全工况性能仿真影响研究