基于模型的汽油机气路系统控制map标定
| 前言 | 第4-5页 |
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 插图目录 | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| 1.1 问题的提出 | 第13-14页 |
| 1.2 课题研究意义 | 第14-15页 |
| 1.3 课题研究现状 | 第15-17页 |
| 1.4 本文主要研究内容 | 第17-19页 |
| 第2章 基于模型的电控发动机优化标定技术 | 第19-27页 |
| 2.1 基于模型标定的总体思想 | 第19页 |
| 2.2 优化问题需求分析 | 第19-21页 |
| 2.3 实验设计 | 第21-23页 |
| 2.4 统计建模 | 第23-25页 |
| 2.4.1 统计建模的基本思想 | 第23-24页 |
| 2.4.2 发动机统计建模的方法介绍 | 第24-25页 |
| 2.5 map 表的优化标定 | 第25-26页 |
| 2.5.1 参数的优化标定 | 第25-26页 |
| 2.5.2 map 表生成 | 第26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于统计模型的气路系统优化标定 | 第27-51页 |
| 3.1 基于扭矩需求的汽油机气路系统 | 第27-30页 |
| 3.1.1 影响发动机动力性的因素 | 第28-29页 |
| 3.1.2 发动机气路控制系统设计 | 第29-30页 |
| 3.2 发动机动力性标定需求分析 | 第30-31页 |
| 3.3 发动机系统实验设计 | 第31-35页 |
| 3.3.1 拉丁超立方抽样方法的介绍 | 第31-32页 |
| 3.3.2 拉丁超立方抽样方法的应用 | 第32-33页 |
| 3.3.3 实验数据的采集 | 第33-35页 |
| 3.4 发动机系统二阶统计建模 | 第35-41页 |
| 3.4.1 二阶统计模型的建立 | 第35-38页 |
| 3.4.2 二阶统计模型精度的验证 | 第38-41页 |
| 3.5 发动机动力性 map 优化标定 | 第41-45页 |
| 3.6 离线仿真及结果分析 | 第45-49页 |
| 3.6.1 基于扭矩需求的气路控制实验 | 第45-48页 |
| 3.6.2 动力性输出对比实验 | 第48-49页 |
| 3.7 本章小结 | 第49-51页 |
| 第4章 基于神经网络模型的优化标定方法 | 第51-65页 |
| 4.1 人工神经网络及相关知识介绍 | 第51-54页 |
| 4.1.1 神经网络的简介 | 第51-52页 |
| 4.1.2 BP 神经网络学习算法介绍 | 第52-54页 |
| 4.2 BP神经网络训练发动机模型 | 第54-59页 |
| 4.2.1 神经网络模型的训练 | 第54-56页 |
| 4.2.2 神经网络模型验证 | 第56-59页 |
| 4.3 优化求解算法的研究 | 第59-60页 |
| 4.3.1 遗传优化算法 | 第59-60页 |
| 4.3.2 发动机动力性参数优化标定 | 第60页 |
| 4.4 离线仿真及结果分析 | 第60-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 全文总结 | 第65-67页 |
| 5.1 全文工作总结 | 第65-66页 |
| 5.2 后续工作展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间的研究成果 | 第73-74页 |
| 致谢 | 第74页 |
