| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-17页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 在用车改造及车辆远程监测 | 第11-12页 |
| 1.2.2 催化器故障诊断方法及仿真研究 | 第12-14页 |
| 1.2.3 排放估计模型 | 第14-15页 |
| 1.3 研究内容与研究方法 | 第15-17页 |
| 第2章 连续再生捕集器仿真研究 | 第17-42页 |
| 2.1 GT-Power简介 | 第17-18页 |
| 2.2 连续再生捕集器的工作原理 | 第18-21页 |
| 2.2.1 氧化催化器的工作原理 | 第19-20页 |
| 2.2.2 催化型微粒捕集器的工作原理 | 第20-21页 |
| 2.3 GT模型的建立 | 第21-26页 |
| 2.3.1 氧化催化器模型 | 第22-23页 |
| 2.3.2 催化型微粒捕集器模型 | 第23-24页 |
| 2.3.3 模型的验证 | 第24-26页 |
| 2.4 连续再生捕集器性能影响因素分析 | 第26-34页 |
| 2.4.1 排气组分含量的影响 | 第26-31页 |
| 2.4.2 质量流量的影响 | 第31页 |
| 2.4.3 排气温度的影响 | 第31-33页 |
| 2.4.4 碳烟加载量的影响 | 第33-34页 |
| 2.5 连续再生捕集器的故障诊断研究 | 第34-40页 |
| 2.5.1 故障状态对连续再生捕集器的影响 | 第34-36页 |
| 2.5.2 故障特征参数 | 第36-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 连续再生捕集器上下游排气状态估计研究 | 第42-57页 |
| 3.1 神经网络偏最小二乘理论 | 第42-46页 |
| 3.1.1 偏最小二乘回归方法 | 第42-44页 |
| 3.1.2 BP神经网络算法 | 第44-45页 |
| 3.1.3 自变量的筛选方法 | 第45-46页 |
| 3.2 发动机排放试验及数据预处理 | 第46-49页 |
| 3.2.1 发动机台架试验 | 第46-47页 |
| 3.2.2 实验数据预处理 | 第47-49页 |
| 3.3 发动机原始排放模型的建立 | 第49-53页 |
| 3.4 整车排放模型 | 第53-56页 |
| 3.5 本章小结 | 第56-57页 |
| 第4章 在用柴油车排放控制后处理装置远程监测系统开发 | 第57-81页 |
| 4.1 基本功能分析 | 第57-59页 |
| 4.2 硬件及开发工具选型 | 第59-63页 |
| 4.2.1 车载终端硬件选型 | 第59-61页 |
| 4.2.2 开发工具选择 | 第61-63页 |
| 4.3 硬件电路设计 | 第63-68页 |
| 4.3.1 电源系统电路 | 第63-64页 |
| 4.3.2 显示屏电路 | 第64-65页 |
| 4.3.3 模数转换电路 | 第65-66页 |
| 4.3.4 传感器电路 | 第66-67页 |
| 4.3.5 CAN通讯电路 | 第67-68页 |
| 4.4 程序详细设计及开发 | 第68-80页 |
| 4.4.1 采样单元功能设计及开发 | 第68-73页 |
| 4.4.2 主控制单元功能设计及开发 | 第73-74页 |
| 4.4.3 服务器和应用端的设计及开发 | 第74-77页 |
| 4.4.4 系统功能验证 | 第77-80页 |
| 4.5 本章小结 | 第80-81页 |
| 第5章 结论 | 第81-83页 |
| 5.1 研究总结 | 第81-82页 |
| 5.2 研究展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读学位期间获得与论文相关的科研成果 | 第88页 |