| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·本课题的研究背景及意义 | 第10-11页 |
| ·神经网络及其研究内容 | 第11-12页 |
| ·集成神经网络国内外研究现状与发展动态 | 第12-13页 |
| ·集成神经网络在柴油机诊断中的应用 | 第13页 |
| ·集成神经网络研究目前存在的问题 | 第13-14页 |
| ·本论文的主要研究内容和工作 | 第14-16页 |
| 第2章 柴油机的摩擦副及润滑系统分析 | 第16-30页 |
| ·柴油机的摩擦与磨损 | 第16-20页 |
| ·柴油机的摩擦 | 第16-17页 |
| ·柴油机的磨损 | 第17-20页 |
| ·柴油机的主要摩擦副及其润滑的研究 | 第20-26页 |
| ·活塞环的摩擦机理 | 第20-21页 |
| ·活塞环槽的磨损 | 第21-22页 |
| ·气缸套的磨损 | 第22-23页 |
| ·轴承的磨损与润滑 | 第23-25页 |
| ·配气机构的磨损与润滑 | 第25-26页 |
| ·柴油机润滑系统简介 | 第26-30页 |
| 第3章 柴油机局部工况数据的多维拓展研究 | 第30-46页 |
| ·数据拟合的最小二乘法 | 第30-33页 |
| ·数据拟合问题 | 第30页 |
| ·数据拟合的最小二乘法 | 第30-33页 |
| ·基于局部工况数据的曲线拟合 | 第33-36页 |
| ·局部工况数据的多工况三维拓展 | 第36-42页 |
| ·实验验证 | 第42-46页 |
| 第4章 基于神经网络模式识别的研究 | 第46-62页 |
| ·常用的模式识别方法 | 第46页 |
| ·神经网络与故障模式识别 | 第46-48页 |
| ·BP网络理论 | 第48-62页 |
| ·BP网络建模特点 | 第49页 |
| ·BP网络结构 | 第49-50页 |
| ·BP网络学习规则与计算方法 | 第50-54页 |
| ·BP神经元网络的应用问题的研究 | 第54-62页 |
| 第5章 集成神经网络在柴油机综合磨损系数估算中的应用 | 第62-80页 |
| ·神经网络集成 | 第62-65页 |
| ·集成神经网络的基本结构 | 第62-63页 |
| ·神经网络集成的框架 | 第63-64页 |
| ·神经网络集成的原理 | 第64页 |
| ·神经网络集成的研究现状 | 第64-65页 |
| ·神经网络集成学习存在的问题 | 第65页 |
| ·分支前馈神经网络的提出 | 第65-68页 |
| ·分支前馈神经网络的结构 | 第66页 |
| ·分支前馈神经网络的运行机理 | 第66-67页 |
| ·分支前馈神经网络的算法 | 第67-68页 |
| ·综合磨损系数估算数据样本集的设计 | 第68页 |
| ·神经网络输入输出特征参数的选取 | 第68页 |
| ·网络训练集的设计 | 第68页 |
| ·集成神经网络结构的确定 | 第68-75页 |
| ·根据样本特点重新划分样本集 | 第69-70页 |
| ·确定神经网络结构 | 第70-75页 |
| ·综合磨损系数估算系统的Visual C++实现 | 第75-80页 |
| ·神经网络的公式化 | 第75-76页 |
| ·综合磨损系数估算系统的集成 | 第76-80页 |
| 第6章 实验原理及网络模型的实验验证 | 第80-86页 |
| ·平均转速的测取 | 第80-81页 |
| ·机油压力与机油温度的测取 | 第81-84页 |
| ·实验方案设计 | 第81-82页 |
| ·测点的选择 | 第82-84页 |
| ·神经网络模型的实验验证 | 第84-86页 |
| 第7章 结论与展望 | 第86-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92页 |