| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-21页 |
| 1.1 发动机失火故障诊断研究的意义 | 第11-13页 |
| 1.2 发动机失火故障的原因和现阶段主要诊断方法 | 第13-17页 |
| 1.2.1 发动机失火故障主要原因和危害性 | 第13-15页 |
| 1.2.2 现阶段主要的发动机失火故障诊断方法 | 第15-17页 |
| 1.3 故障诊断方法介绍 | 第17-19页 |
| 1.3.1 基于信号分析处理的故障诊断方法 | 第17-18页 |
| 1.3.2 基于解析模型的故障诊断方法 | 第18-19页 |
| 1.3.3 基于人工智能的故障诊断方法 | 第19页 |
| 1.4 本文的研究目标和主要研究内容 | 第19-21页 |
| 1.4.1 本文的研究目标 | 第19页 |
| 1.4.2 本文的主要研究内容 | 第19-21页 |
| 第2章 AMESim 中发动机模型和主要部分介绍 | 第21-35页 |
| 2.1 发动机模型的研究现状 | 第21-23页 |
| 2.2 AMESim 软件介绍和建模流程 | 第23-25页 |
| 2.3 AMESim 发动机模型 | 第25-27页 |
| 2.3.1 建模对象 | 第25-26页 |
| 2.3.2 AMESim 发动机模型 | 第26-27页 |
| 2.4 发动机模型重要部分的介绍和参数配置 | 第27-34页 |
| 2.4.1 节气门模型 | 第27-29页 |
| 2.4.2 喷油器模型 | 第29-30页 |
| 2.4.3 气缸模型 | 第30-32页 |
| 2.4.4 曲柄连杆机构模型 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 基于 ARX 模型辨识的气缸压力建模 | 第35-53页 |
| 3.1 系统建模方法和系统辨识的介绍 | 第35-39页 |
| 3.1.1 系统建模方法的介绍 | 第35-36页 |
| 3.1.2 系统辨识研究的内容 | 第36-39页 |
| 3.2 ARX 模型的原理 | 第39-40页 |
| 3.3 利用系统辨识方法建立气缸压力模型 | 第40-41页 |
| 3.3.1 确定诊断变量和选取的模型 | 第40页 |
| 3.3.2 确定采样间隔和辨识种类 | 第40-41页 |
| 3.3.3 选取辨识模型的输入输出变量 | 第41页 |
| 3.4 所选择工况下的气缸压力模型 | 第41-52页 |
| 3.4.1 中小负荷下的气缸压力模型 | 第41-47页 |
| 3.4.2 高转速全负荷工况下的气缸压力模型 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第4章 基于气缸压力模型的发动机失火故障诊断 | 第53-71页 |
| 4.1 故障诊断数据获取和调试量的选择 | 第53-55页 |
| 4.1.1 AMESim 中发动机模型的故障注入技术 | 第53页 |
| 4.1.2 失火故障的模拟 | 第53-55页 |
| 4.2 联合仿真进行模型验证 | 第55-63页 |
| 4.2.1 中小负荷工况下的模型验证 | 第55-59页 |
| 4.2.2 高转速全负荷工况下的模型验证 | 第59-63页 |
| 4.3 利用辨识的气缸压力模型进行失火故障诊断 | 第63-69页 |
| 4.3.1 失火故障诊断的流程 | 第63-66页 |
| 4.3.2 对上述提出的失火故障诊断方法进行验证 | 第66-69页 |
| 4.4 本章小结 | 第69-71页 |
| 第5章 全文总结与展望 | 第71-73页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 参考文献 | 第73-79页 |
| 作者简介及参加的科研项目 | 第79-81页 |
| 致谢 | 第81页 |