| 第1章 绪论 | 第1-19页 |
| ·选题背景和意义 | 第10-13页 |
| ·内燃机故障诊断技术概述 | 第13-16页 |
| ·故障诊断专家系统的现状与发展 | 第16-17页 |
| ·本学位论文的主要工作及论文内容 | 第17-19页 |
| ·本学位论文的主要工作 | 第17-18页 |
| ·本学位论文的主要内容 | 第18-19页 |
| 第2章 人工神经网络技术 | 第19-35页 |
| ·神经系统与人工神经网络 | 第20-21页 |
| ·神经系统 | 第20页 |
| ·人工神经网络 | 第20-21页 |
| ·几种典型的神经网络模型 | 第21-23页 |
| ·M-P神经网络模型和HEBB学习规则 | 第21页 |
| ·联想型网络-HOPFIELD | 第21-23页 |
| ·概率型神经网络模型 | 第23页 |
| ·前向网络模型-BP网络 | 第23-34页 |
| ·感知器(PERCEPTRON) | 第23-24页 |
| ·前向多层网络的BP学习算法 | 第24-27页 |
| ·BP算法的改进 | 第27-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 模糊理论 | 第35-51页 |
| ·模糊逻辑的主要概念 | 第36-39页 |
| ·隶属度 | 第36-37页 |
| ·确定隶属函数的一般方法 | 第37-38页 |
| ·模糊关系及其运算 | 第38-39页 |
| ·模糊逻辑推理 | 第39-42页 |
| ·投影原理 | 第40-41页 |
| ·特指原理 | 第41页 |
| ·必含原理 | 第41页 |
| ·推理合成法则 | 第41-42页 |
| ·模糊知识库 | 第42-44页 |
| ·模糊故障诊断 | 第44-46页 |
| ·故障诊断的起始方式 | 第44页 |
| ·故障诊断的优先原则 | 第44页 |
| ·故障诊断的诊断过程 | 第44-46页 |
| ·符号专家系统的模糊化改造 | 第46-48页 |
| ·模糊逻辑与神经网络的融合 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第4章 基于神经网络的模糊专家系统 | 第51-66页 |
| ·专家系统的特点与结构 | 第51-52页 |
| ·专家系统的特点 | 第51页 |
| ·专家系统的结构 | 第51-52页 |
| ·专家系统开发的基本原理与方法 | 第52-53页 |
| ·混合型专家系统的理论基础 | 第53-57页 |
| ·符号主义学派 | 第54页 |
| ·连接主义学派 | 第54-55页 |
| ·两种机制的比较 | 第55-56页 |
| ·符号专家系统与神经网络相结合的优势 | 第56-57页 |
| ·混合型专家系统的研究与实现 | 第57-65页 |
| ·混合型专家系统的神经网络子功能块NNM | 第59-61页 |
| ·混合型专家系统的一般框架 | 第61-64页 |
| ·混合型专家系统的设计步骤 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 系统的故障诊断策略 | 第66-82页 |
| ·系统故障诊断的层次模型 | 第66-71页 |
| ·层次诊断模型的基本概念 | 第66-68页 |
| ·故障诊断问题求解的层次诊断模型 | 第68-71页 |
| ·诊断问题的知识策略 | 第71-75页 |
| ·领域知识的获取与自学习 | 第71-72页 |
| ·诊断问题的知识深度 | 第72-73页 |
| ·诊断知识的表示与组织 | 第73-75页 |
| ·诊断问题的求解策略 | 第75-80页 |
| ·推理策略 | 第75-78页 |
| ·控制策略 | 第78-80页 |
| ·基于热工参数的内燃机故障诊断策略 | 第80-81页 |
| ·基于热工参数的故障诊断方法的特点 | 第80-81页 |
| ·基于热工参数的故障诊断策略 | 第81页 |
| ·本章小结 | 第81-82页 |
| 第6章 系统的故障树分析法 | 第82-89页 |
| ·基本方法 | 第82-83页 |
| ·故障树的建立 | 第83-84页 |
| ·故障树的定性分析 | 第84-86页 |
| ·故障树的定量分析 | 第86-88页 |
| ·本章小结 | 第88-89页 |
| 第7章 基于热工参数监测的内燃机故障分析 | 第89-113页 |
| ·内燃机系统故障的基本定义及热工故障的基本类型 | 第89-92页 |
| ·内燃机系统故障的基本定义 | 第89-91页 |
| ·内燃机热工故障的基本类型 | 第91-92页 |
| ·内燃机热工故障的定性分析 | 第92-97页 |
| ·用于内燃机热工故障分析的功能模型 | 第92-93页 |
| ·用于内燃机热工故障分析的结构模型 | 第93-94页 |
| ·内燃机中热工故障的传播 | 第94-97页 |
| ·内燃机热工故障的定量分析 | 第97-108页 |
| ·内燃机的压缩过程及故障分析 | 第97-101页 |
| ·门燃机的燃烧过程及故障分析 | 第101-105页 |
| ·内燃机增压系统的监测及信号处理 | 第105-107页 |
| ·内燃机示功图的诊断计算 | 第107-108页 |
| ·内燃机热工故障的部分仿真算例 | 第108-112页 |
| ·柴油机不同热工故障下的热工参数 | 第108-109页 |
| ·仿真结果分析 | 第109-112页 |
| ·本章小结 | 第112-113页 |
| 第8章 基于神经网络的内燃机热工故障诊断专家系统的实现 | 第113-141页 |
| ·知识的表达与知识库的维护 | 第114-121页 |
| ·混合模糊推理技术 | 第121-129页 |
| ·BP 网络的实现 | 第129-131页 |
| ·动态数据交换的实现 | 第131-136页 |
| ·系统的总体设计 | 第136-140页 |
| ·本章小结 | 第140-141页 |
| 第9章 全文研究总结及展望 | 第141-143页 |
| ·理论研究成果 | 第141页 |
| ·应用研究成果 | 第141-142页 |
| ·进一步的研究展望 | 第142-143页 |
| 致谢 | 第143-144页 |
| 作者在攻读博士学位期间发表的论文 | 第144-146页 |
| 参考文献 | 第146-157页 |