基于BP神经网络的船舶柴油机氮氧化物排放预测
| 第1章 绪论 | 第1-17页 |
| ·本文背景 | 第11-14页 |
| ·船舶柴油机排气的组成 | 第11-13页 |
| ·船舶柴油机排气的危害 | 第13-14页 |
| ·本文研究的主要内容及章节安排 | 第14-17页 |
| ·研究的主要内容 | 第15页 |
| ·本文的章节安排 | 第15-17页 |
| 第2章 船舶柴油机NOx排放的控制现状及趋势 | 第17-25页 |
| ·船舶柴油机NOx的生成机理 | 第17-20页 |
| ·热氮氧化物(Thermal NOx)的生成机理 | 第17-20页 |
| ·燃料氮氧化物(Fuel NOx)的生成机理 | 第20页 |
| ·船舶柴油机氮氧化物排放控制现状 | 第20-24页 |
| ·国际社会控制排气污染法规 | 第20-22页 |
| ·现有测试方法及简化测试方案的提出 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 船舶柴油机NOx排放测试及计算方法 | 第25-40页 |
| ·柴油机族、组认证 | 第25页 |
| ·测试项目和要求 | 第25-28页 |
| ·测试项目 | 第25-26页 |
| ·测试要求 | 第26-27页 |
| ·主要测量设备及要求 | 第27-28页 |
| ·测试仪器的校准、分析 | 第28-34页 |
| ·试验台架上主要测量设备的精确要求 | 第28页 |
| ·排放分析仪器要求 | 第28-34页 |
| ·分析仪器所需工作气体和标准气体 | 第29页 |
| ·分析仪器的校准 | 第29-31页 |
| ·现场安装检验 | 第31-32页 |
| ·测试过程的控制 | 第32页 |
| ·试验台上的工况及加权系数 | 第32-34页 |
| ·船舶柴油机NOx排放的计算分析 | 第34-39页 |
| ·概述 | 第34-35页 |
| ·废气质量流量计算方法 | 第35-39页 |
| ·碳平衡法 | 第35-36页 |
| ·通用法或称为碳／氧平衡法 | 第36-37页 |
| ·排气中各组分质量流量的计算 | 第37-38页 |
| ·排放量计算 | 第38页 |
| ·排气质量流量的修正 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 BP神经网络 | 第40-54页 |
| ·人工神经网络(ANN)基础知识 | 第40-45页 |
| ·概述 | 第40页 |
| ·神经网络的生物学基础 | 第40-41页 |
| ·人工神经元模型 | 第41-44页 |
| ·神经网络学习 | 第44-45页 |
| ·误差反向传播(BP)网络 | 第45-53页 |
| ·BP网络概述 | 第45页 |
| ·基本BP模型的结构 | 第45-47页 |
| ·标准BP模型的学习过程及实例 | 第47-53页 |
| ·学习过程 | 第47-51页 |
| ·学习实例 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 船舶柴油机NOx排放的BP神经网络预测 | 第54-80页 |
| ·当前柴油机NOx排放研究方法 | 第54-55页 |
| ·船舶柴油机NOx排放的BP神经网络预测 | 第55-78页 |
| ·BP神经网络输入、输出层神经元数的确定 | 第55-56页 |
| ·BP神经网络学习样本的选取 | 第56-63页 |
| ·学习样本选取的原则和注意事项 | 第56-57页 |
| ·船舶柴油机NOx排放性能对学习样本的要求 | 第57页 |
| ·均匀设计法原理 | 第57-59页 |
| ·柴油机变边界均匀试验设计 | 第59-61页 |
| ·本研究中的试验装置及试验设计方案 | 第61-63页 |
| ·BP神经网络隐层数目的确定 | 第63-64页 |
| ·BP神经网络隐层神经元数的确定 | 第64-66页 |
| ·BP神经网络学习样本数据的预处理 | 第66-67页 |
| ·BP神经网络初始权值选取 | 第67-68页 |
| ·BP神经网络训练次数的确定 | 第68-69页 |
| ·BP神经网络的确定 | 第69-70页 |
| ·BP神经网络的训练 | 第70-72页 |
| ·BP神经网络学习能力的分析 | 第72-73页 |
| ·BP神经网络的预测 | 第73-74页 |
| ·BP神经网络预测(泛化)能力的分析 | 第74-78页 |
| ·本章小结 | 第78-80页 |
| 第6章 结论和展望 | 第80-82页 |
| 攻读硕士学位期间公开发表论文 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 研究生履历 | 第88页 |
