| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 研究背景 | 第9-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 点火提前角研究现状 | 第12-13页 |
| 1.2.2 组合软测量的研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 第二章 基于混沌RBF神经网络的点火提前角软测量 | 第17-31页 |
| 2.1 RBF神经网络简介 | 第17-19页 |
| 2.1.1 神经网络构成 | 第17-18页 |
| 2.1.2 RBF神经网络工作原理 | 第18-19页 |
| 2.2 点火提前角影响因素分析及样本选取 | 第19-21页 |
| 2.2.1 点火提前角影响因素分析 | 第19页 |
| 2.2.2 点火提前角样本的选取及预处理 | 第19-21页 |
| 2.3 混沌RBF神经网络的点火提前角软测量方法 | 第21-25页 |
| 2.3.1 RBF神经网络设计 | 第21-22页 |
| 2.3.2 混沌算法优化RBF神经网络 | 第22-25页 |
| 2.4 基于混沌RBF神经网络的点火提前角软测量仿真 | 第25-30页 |
| 2.4.1 小负荷工况下点火提前角软测量仿真 | 第25-27页 |
| 2.4.2 部分负荷工况下点火提前角软测量仿真 | 第27-28页 |
| 2.4.3 大负荷工况下点火提前角软测量仿真 | 第28-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于PSO-SVM的点火提前角软测量 | 第31-39页 |
| 3.1 粒子群算法和支持向量机简介 | 第31-32页 |
| 3.1.1 支持向量机(SVM) | 第31-32页 |
| 3.1.2 粒子群算法(PSO) | 第32页 |
| 3.2 PSO-SVM点火提前角软测量方法 | 第32-34页 |
| 3.2.1 支持向量机核函数的选取 | 第32-33页 |
| 3.2.2 粒子群算法优化支持向量机 | 第33-34页 |
| 3.3 基于PSO-SVM的点火提前角软测量仿真 | 第34-38页 |
| 3.3.1 小负荷工况下点火提前角软测量仿真 | 第34-35页 |
| 3.3.2 部分负荷工况下点火提前角软测量仿真 | 第35-37页 |
| 3.3.3 大负荷工况下点火提前角软测量仿真 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于混沌RBF神经网络和PSO-SVM的点火提前角组合软测量 | 第39-53页 |
| 4.1 组合软测量的概念 | 第39页 |
| 4.2 RBF神经网络和支持向量机点火提前角组合软测量方法 | 第39-45页 |
| 4.2.1 组合软测量的权重确定方法 | 第39-42页 |
| 4.2.2 混沌RBF神经网络和PSO-SVM互补性分析 | 第42-44页 |
| 4.2.3 可变最优权重分配方法 | 第44-45页 |
| 4.3 基于混沌RBF和PSO-SVM的点火提前角组合软测量仿真 | 第45-49页 |
| 4.3.1 小负荷工况点火提前角软测量仿真 | 第45-47页 |
| 4.3.2 部分负荷工况点火提前角软测量仿真 | 第47-48页 |
| 4.3.3 大负荷工况点火提前角软测量仿真 | 第48-49页 |
| 4.4 点火提前角软测量结果评价与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 全文总结与展望 | 第53-55页 |
| 全文总结 | 第53-54页 |
| 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 附录A (攻读学位期间发表的学术论文) | 第59-60页 |
| 附录B (攻读学位期间参与的科研项目) | 第60页 |
