| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景 | 第11页 |
| 1.2 发动机内部压力检测的研究现状 | 第11-12页 |
| 1.3 发动机失火故障诊断的研究现状 | 第12-13页 |
| 1.4 本文的研究内容 | 第13-16页 |
| 1.4.1 发动机缸内压力检测的研究内容 | 第13-14页 |
| 1.4.2 发动机失火故障诊断的研究内容 | 第14-16页 |
| 1.5 本章小结 | 第16-17页 |
| 第2章 转速拓展卡尔曼滤波器的设计 | 第17-23页 |
| 2.1 转速迭代模型建立 | 第17-21页 |
| 2.1.1 负载稳定工况 | 第17-19页 |
| 2.1.2 负载变化工况 | 第19-21页 |
| 2.2 转速迭代模型建立 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 幅频调制的发动机内部状态检测 | 第23-43页 |
| 3.1 发动机缸压峰值时间确定 | 第23-24页 |
| 3.2 发动机缸压峰值确定 | 第24-25页 |
| 3.2.1 做功冲程压力峰值 | 第24页 |
| 3.2.2 压缩冲程压力峰值 | 第24-25页 |
| 3.3 发动机缸压检测模型的建立 | 第25-27页 |
| 3.3.1 调频傅里叶级数 | 第25-26页 |
| 3.3.2 发动机缸压模型 | 第26-27页 |
| 3.4 仿真验证 | 第27-41页 |
| 3.4.1 启动工况 | 第29-30页 |
| 3.4.2 非启动工况 | 第30-41页 |
| 3.5 本章小结 | 第41-43页 |
| 第4章 发动机失火故障诊断 | 第43-63页 |
| 4.1 动态工况失火故障诊断 | 第43-54页 |
| 4.1.1 失火故障分析 | 第44-45页 |
| 4.1.2 神经网络分类器的设计 | 第45-46页 |
| 4.1.3 仿真验证 | 第46-53页 |
| 4.1.4 本节小结 | 第53-54页 |
| 4.2 稳态工况失火故障诊断 | 第54-63页 |
| 4.2.1 L-M算法优化的BP神经网络 | 第55页 |
| 4.2.2 傅里叶级数 | 第55-56页 |
| 4.2.3 转速-汽缸压力模型 | 第56页 |
| 4.2.4 L-M算法的BP神经网络的汽缸做功频率模型 | 第56-57页 |
| 4.2.5 汽缸压力模型 | 第57-58页 |
| 4.2.6 失火故障后的模型自补偿 | 第58页 |
| 4.2.7 仿真验证 | 第58-61页 |
| 4.2.8 本节小结 | 第61-63页 |
| 第5章 全文总结与展望 | 第63-65页 |
| 5.1 全文总结 | 第63-64页 |
| 5.2 工作展望 | 第64-65页 |
| 作者简介及科研成果 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73页 |