基于LABVIEW平台的电控发动机人工智能故障诊断系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题来源与意义 | 第10-11页 |
| ·汽车故障诊断系统的发展现状与趋势 | 第11-13页 |
| ·汽车故障诊断技术发展概述 | 第11-13页 |
| ·汽车故障诊断技术的发展趋势 | 第13页 |
| ·论文主要研究内容 | 第13-15页 |
| 第2章 人工神经网络基本原理 | 第15-26页 |
| ·人工神经网络的基本概念 | 第15-20页 |
| ·神经元模型建立 | 第15-16页 |
| ·常用的神经网络传递函数 | 第16-17页 |
| ·神经网络的类型 | 第17-18页 |
| ·神经网络的工作方式 | 第18-20页 |
| ·BP 神经网络 | 第20-25页 |
| ·BP 网络结构 | 第20-21页 |
| ·BP 训练算法的数学实现 | 第21-23页 |
| ·BP 算法的不足及原因 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 电控发动机故障诊断系统总体设计方案 | 第26-41页 |
| ·电控发动机结构及故障分析 | 第27-30页 |
| ·电控燃料喷射系统的主要结构及工作原理 | 第27-28页 |
| ·传感器信号与发动机故障分析 | 第28-30页 |
| ·硬件信号采集平台的设计 | 第30-32页 |
| ·开关量输出传感器信号预处理电路 | 第31页 |
| ·模拟量输出的传感器信号调理电路 | 第31-32页 |
| ·CAN 总线通讯网络接口的设计 | 第32-39页 |
| ·CAN 总线协议规范及数据格式 | 第33-36页 |
| ·USB 协议规范与帧格式 | 第36页 |
| ·USB-CAN 转换适配器 | 第36-39页 |
| ·故障诊断策略的选取 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于神经网络故障诊断模型设计与验证 | 第41-53页 |
| ·人工神经网络在故障诊断中特点与优势 | 第41页 |
| ·基于BP 网络的电控发动机故障诊断模型的建立 | 第41-47页 |
| ·预处理模块归一化的实现 | 第42页 |
| ·BP 网络模块的设计 | 第42-44页 |
| ·不同隐含层网络训练的比较 | 第44-47页 |
| ·蚁群算法对BP 网络训练的优化 | 第47-51页 |
| ·蚁群算法的特点与优势 | 第47-48页 |
| ·蚁群算法对BP 网络训练的优化 | 第48-51页 |
| ·BP 神经网络故障诊断模型的验证 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 电控发动机故障诊断系统软件设计 | 第53-62页 |
| ·图形化的编程语言 | 第53-54页 |
| ·系统启动界面的设计 | 第54-55页 |
| ·故障诊断模块设计 | 第55-58页 |
| ·故障诊断模块界面设计 | 第55-56页 |
| ·传感器信号数据归一化处理 | 第56-57页 |
| ·MATLAB 神经网络故障诊断模块的调用 | 第57-58页 |
| ·神经网络训练模块设计 | 第58-59页 |
| ·故障诊断系统软件其他模块设计 | 第59-61页 |
| ·历史故障查询模块 | 第59-60页 |
| ·通讯测试模块 | 第60页 |
| ·系统帮助模块 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68页 |
