基于BP神经网络的电控汽油机传感器故障诊断与调节研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-20页 |
| ·课题研究的意义与背景 | 第7-9页 |
| ·故障诊断研究概述 | 第9-12页 |
| ·故障诊断的基本概念 | 第9-10页 |
| ·故障诊断的技术方法 | 第10-12页 |
| ·发动机故障诊断研究现状 | 第12-18页 |
| ·车载诊断系统 | 第12页 |
| ·硬件冗余方法 | 第12-13页 |
| ·非硬件冗余方法 | 第13-18页 |
| ·本文研究内容 | 第18-20页 |
| 第二章 人工神经网络技术 | 第20-37页 |
| ·神经系统与人工神经网络 | 第21-22页 |
| ·神经系统 | 第21页 |
| ·人工神经网络 | 第21-22页 |
| ·神经网络传递函数 | 第22-23页 |
| ·几种典型的神经网络模型 | 第23-27页 |
| ·M-P神经网络模型 | 第24页 |
| ·感知器(Perceptron) | 第24-25页 |
| ·联想型网络(Hopfield) | 第25-26页 |
| ·概率型神经网络模型 | 第26-27页 |
| ·BP网络的原理及算法 | 第27-36页 |
| ·BP网络算法及设计分析 | 第28-31页 |
| ·BP网络算法步骤 | 第29-30页 |
| ·BP网络设计分析 | 第30-31页 |
| ·BP网络改进算法 | 第31-36页 |
| ·自适应调整学习速率 | 第31-32页 |
| ·弹性BP方法 | 第32-33页 |
| ·拟牛顿法 | 第33-34页 |
| ·共轭梯度法 | 第34页 |
| ·Levenberg-Marquardt法 | 第34-35页 |
| ·改进算法的对比分析 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 故障诊断与调节策略的设计 | 第37-45页 |
| ·电控汽油及主要传感器介绍 | 第37-39页 |
| ·节气门位置传感器(TPS) | 第37-38页 |
| ·进气岐管压力传感器(MAP) | 第38-39页 |
| ·曲轴位置传感器(CPS) | 第39页 |
| ·传感器故障类型分析 | 第39-40页 |
| ·故障诊断与调节模型的建立 | 第40-45页 |
| ·预处理模块 | 第40-41页 |
| ·故障诊断模块 | 第41-43页 |
| ·数值检验子模块 | 第41页 |
| ·神经网络子模块 | 第41-43页 |
| ·推理法则子模块 | 第43页 |
| ·故障调节模块 | 第43-44页 |
| ·后处理模块 | 第44-45页 |
| 第四章 故障诊断与调节策略试验研究 | 第45-84页 |
| ·传感器信号采集 | 第46-51页 |
| ·信号采集系统设计 | 第46-49页 |
| ·信号采集结果 | 第49-51页 |
| ·故障诊断网络设计 | 第51-63页 |
| ·节气门位置传感器故障诊断网络设计 | 第52-58页 |
| ·进气歧管压力传感器故障诊断网络设计 | 第58-63页 |
| ·故障调节网络设计 | 第63-68页 |
| ·神经网络模型验证 | 第68-82页 |
| ·故障诊断网络验证 | 第70-80页 |
| ·正常信号验证故障诊断网络 | 第70-72页 |
| ·模拟故障信号验证故障诊断网络 | 第72-79页 |
| ·故障诊断定时器选取 | 第79-80页 |
| ·故障调节神经网络验证 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第五章 总结及展望 | 第84-86页 |
| ·理论研究成果 | 第84页 |
| ·进一步的研究展望 | 第84-86页 |
| 参考文献 | 第86-91页 |
| 致谢 | 第91页 |
