| 第1章 概述 | 第1-13页 |
| ·选题背景及意义 | 第8-9页 |
| ·发动机排放研究的发展及现状 | 第9-11页 |
| ·仿真工具的选用 | 第11-12页 |
| ·本文主要工作 | 第12-13页 |
| 第2章 增压发动机动态模型的建立 | 第13-26页 |
| ·模型建立的理论依据 | 第13-14页 |
| ·模型的选择 | 第13页 |
| ·平均值模型概述 | 第13-14页 |
| ·模型的组成 | 第14-20页 |
| ·增压器模型 | 第14-16页 |
| ·中冷器模型 | 第16-17页 |
| ·柴油机本体模型 | 第17-19页 |
| ·燃油系统模型 | 第19页 |
| ·负载模型 | 第19-20页 |
| ·建模中的主要问题 | 第20-26页 |
| ·压气机和涡轮机特性曲线的处理方法 | 第20-22页 |
| ·平均排气温度的求法 | 第22-23页 |
| ·代数环的处理方法 | 第23-24页 |
| ·算法的选择分析 | 第24-26页 |
| 第3章 基于MATLAB/Simulink增压发动机动态模型仿真的实现 | 第26-31页 |
| ·Simulink中的仿真模型 | 第26-27页 |
| ·模型计算流程 | 第27-28页 |
| ·模型性能校验 | 第28-31页 |
| ·仿真参数设置 | 第28-29页 |
| ·模型的静态性能 | 第29-30页 |
| ·模型的动态性能 | 第30-31页 |
| 第4章 基于BP神经网络发动机动态排放仿真的实现 | 第31-53页 |
| ·概述 | 第31-32页 |
| ·BP神经网络模型 | 第32-36页 |
| ·BP神经元模型 | 第32页 |
| ·BP算法的数学描述 | 第32-34页 |
| ·BP网络模型的设计 | 第34-35页 |
| ·BP网络模型的实现 | 第35-36页 |
| ·建模中的关键问题 | 第36-41页 |
| ·学习样本的确定 | 第36-37页 |
| ·学习样本的归一化处理 | 第37-38页 |
| ·学习算法的选择 | 第38-39页 |
| ·BP网络泛化能力的提高 | 第39-41页 |
| ·神经网络模型验证 | 第41-44页 |
| ·模型输出与学习样本对比 | 第41-42页 |
| ·模型泛化能力验证 | 第42-44页 |
| ·动态排放仿真结果及分析 | 第44-53页 |
| ·动态排放模型及Simulink框图 | 第44-45页 |
| ·动态排放仿真结果及分析 | 第45-50页 |
| ·改进建议 | 第50-53页 |
| 第5章 基于xPC平台发动机模型实时仿真的实现 | 第53-60页 |
| ·实时仿真的意义 | 第53-54页 |
| ·实时仿真的实现 | 第54-56页 |
| ·xPC简介 | 第54页 |
| ·xPC目标的特征 | 第54-55页 |
| ·基于xPC的实时仿真开发步骤 | 第55-56页 |
| ·本文中模型的实时仿真 | 第56-60页 |
| ·xPC环境变量设置 | 第56-57页 |
| ·实时仿真的实现 | 第57-60页 |
| 第6章 结论与展望 | 第60-62页 |
| ·全文总结 | 第60-61页 |
| ·进一步工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间所发表的论文 | 第67页 |