| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究背景与意义 | 第11页 |
| 1.2 故障诊断介绍 | 第11-13页 |
| 1.3 发动机失火故障介绍 | 第13-16页 |
| 1.3.1 发动机失火故障定义及原因 | 第13-14页 |
| 1.3.2 发动机失火故障诊断的方法及研究现状 | 第14-16页 |
| 1.4 本文的研究目标及主要内容 | 第16-19页 |
| 1.4.1 本文的研究目标 | 第16-17页 |
| 1.4.2 本文主要研究内容 | 第17-19页 |
| 第2章 AMESim软件与发动机模型建立 | 第19-25页 |
| 2.1 引言 | 第19页 |
| 2.2 AMESim软件介绍 | 第19-20页 |
| 2.3 AMESim建模流程 | 第20页 |
| 2.4 四缸自然吸气式直列发动机（怠速运行情况） | 第20-22页 |
| 2.5 四缸自然吸气式直列发动机（负载运行情况） | 第22-24页 |
| 2.5.1 简介 | 第22页 |
| 2.5.2 重要元件介绍 | 第22-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 概率神经网络的算法改进设计 | 第25-43页 |
| 3.1 引言 | 第25页 |
| 3.2 径向基神经网络 | 第25页 |
| 3.3 广义回归神经网络 | 第25-26页 |
| 3.4 概率神经网络 | 第26-29页 |
| 3.4.1 简介 | 第26-27页 |
| 3.4.2 概率神经网络二分类问题 | 第27-28页 |
| 3.4.3 概率神经网络多级分类问题 | 第28-29页 |
| 3.5 基于主元分析与遗传算法改进的概率神经网络 | 第29-41页 |
| 3.5.1 主元分析法 | 第29-30页 |
| 3.5.2 遗传算法 | 第30-33页 |
| 3.5.3 PCA-GA-PNN算法设计 | 第33-38页 |
| 3.5.4 gatool工具箱使用 | 第38-41页 |
| 3.6 本章小结 | 第41-43页 |
| 第4章 利用PCA-GA-PNN进行发动机失火故障诊断 | 第43-71页 |
| 4.1 引言 | 第43页 |
| 4.2 发动机失火故障诊断总体思想 | 第43-44页 |
| 4.3 AMESim中发动机失火故障注入技术 | 第44-45页 |
| 4.4 发动机节气门控制信号模拟与分析 | 第45-47页 |
| 4.5 发动机转速与发动机曲轴转角位移预处理 | 第47-50页 |
| 4.6 RBF、GRNN、PNN算法所需相关变量处理与说明 | 第50-51页 |
| 4.7 节气门控制信号抖动情况下发动机怠速运行失火故障诊断 | 第51-62页 |
| 4.7.1 发动机不同运行工况下仿真实验与样本收集 | 第51-53页 |
| 4.7.2 基于径向基神经网络的发动机失火故障诊断 | 第53-54页 |
| 4.7.3 基于广义回归神经网络的发动机失火故障诊断 | 第54-55页 |
| 4.7.4 基于概率神经网络的发动机失火故障诊断 | 第55-56页 |
| 4.7.5 基于PCA-GA-PNN的发动机失火故障诊断 | 第56-60页 |
| 4.7.6 算法准确率比较 | 第60-62页 |
| 4.8 节气门控制信号抖动情况下发动机负载运行失火故障诊断 | 第62-68页 |
| 4.8.1 发动机不同运行工况下仿真实验与样本收集 | 第62-64页 |
| 4.8.2 基于径向基神经网络的发动机失火故障诊断 | 第64-65页 |
| 4.8.3 基于广义回归神经网络的发动机失火故障诊断 | 第65页 |
| 4.8.4 基于概率神经网络的发动机失火故障诊断 | 第65-66页 |
| 4.8.5 基于PCA-GA-PNN的发动机失火故障诊断 | 第66-67页 |
| 4.8.6 算法准确率比较 | 第67-68页 |
| 4.9 基于主元分析与遗传算法改进的概率神经网络的优势 | 第68-69页 |
| 4.10 本章小结 | 第69-71页 |
| 第5章 全文总结与展望 | 第71-73页 |
| 5.1 全文总结 | 第71-72页 |
| 5.2 研究展望 | 第72-73页 |
| 参考 文献 | 第73-79页 |
| 作者简介及在学期间所取得的科研成果 | 第79-81页 |
| 致谢 | 第81页 |
