| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-18页 |
| 1.1 课题研究的背景、目的及意义 | 第10-11页 |
| 1.2 氢内燃机国内外研究现状及进展 | 第11-14页 |
| 1.2.1 氢能特点 | 第11-12页 |
| 1.2.2 氢内燃机的发展历史及现状 | 第12-14页 |
| 1.3 氢内燃机的优势与挑战 | 第14-16页 |
| 1.3.1 氢内燃机的优势 | 第14-15页 |
| 1.3.2 氢内燃机面临的挑战 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 氢内燃机试验系统与优化控制模型 | 第18-30页 |
| 2.1 试验系统 | 第18-19页 |
| 2.2 电控系统 | 第19页 |
| 2.3 优化控制模型 | 第19-21页 |
| 2.4 基于BP神经网络的内燃机优化控制 | 第21-27页 |
| 2.4.1 BP神经网络原理 | 第22-23页 |
| 2.4.2 BP神经网络的计算公式 | 第23-25页 |
| 2.4.3 BP神经网络的内燃机优化控制模型 | 第25-27页 |
| 2.5 本章小结 | 第27-30页 |
| 3 基于粒子群模糊神经网络的优化控制 | 第30-38页 |
| 3.1 粒子群模糊神经网络（PSO-FNN）算法 | 第30-34页 |
| 3.1.1 模糊神经网络原理 | 第30-32页 |
| 3.1.1.1 模糊系统 | 第30页 |
| 3.1.1.2 模糊系统与神经网络的结合 | 第30-31页 |
| 3.1.1.3 模糊神经网络的建立 | 第31-32页 |
| 3.1.2 粒子群算法 | 第32-33页 |
| 3.1.3 基于粒子群优化神经网络的训练 | 第33-34页 |
| 3.2 基于粒子群模糊神经网络的点火提前角优化控制模型 | 第34-35页 |
| 3.3 实验仿真 | 第35-36页 |
| 3.3.1 试验参数设定 | 第35页 |
| 3.3.2 结果分析 | 第35-36页 |
| 3.4 本章小结 | 第36-38页 |
| 4 基于L-M神经网络的氢内燃机优化控制 | 第38-48页 |
| 4.1 L-M神经网络算法 | 第38-40页 |
| 4.1.1 L-M算法原理 | 第38-39页 |
| 4.1.2 Powell共轭梯度法 | 第39页 |
| 4.1.3 L-M神经网络的训练 | 第39-40页 |
| 4.2 实验仿真 | 第40-43页 |
| 4.2.1 试验参数设定 | 第40-41页 |
| 4.2.2 结果分析 | 第41-43页 |
| 4.3 四种神经网络算法性能对比 | 第43-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5 氢燃料内燃机异常燃烧的故障诊断 | 第48-58页 |
| 5.1 异常燃烧的抑制策略 | 第48页 |
| 5.2 异常燃烧诊断的原理与方法 | 第48-53页 |
| 5.2.1 本征模态函数 | 第49页 |
| 5.2.2 经验模态分解（EMD） | 第49-51页 |
| 5.2.3 仿真信号分析 | 第51-52页 |
| 5.2.4 改进的BP神经网络 | 第52-53页 |
| 5.3 基于EMD与改进神经网络的氢燃料内燃机早燃故障诊断 | 第53-57页 |
| 5.3.1 神经网络结构设计 | 第54-55页 |
| 5.3.2 EMD与特征向量计算 | 第55-56页 |
| 5.3.3 训练及测试结果 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-60页 |
| 6.1 全文总结 | 第58页 |
| 6.2 前景展望 | 第58-60页 |
| 攻读学位期间发表的学术论文及参加的科研项目目录 | 第60-62页 |
| 致谢 | 第62-64页 |
| 参考文献 | 第64-67页 |