柴油机磨合过程中油液光谱数据算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-14页 |
| ·课题的目的和意义 | 第10-11页 |
| ·目前国内外的研究现状 | 第11-13页 |
| ·神经网络在光谱预测中的研究现状 | 第11-12页 |
| ·神经网络在光谱预测中的应用现存问题 | 第12-13页 |
| ·论文结构安排 | 第13-14页 |
| 第2章 磨合过程及油液光谱分析 | 第14-23页 |
| ·磨合理论 | 第14-17页 |
| ·磨合机理 | 第14页 |
| ·影响磨合质量的因素 | 第14-15页 |
| ·磨合过程的评定 | 第15-17页 |
| ·油液光谱分析 | 第17-22页 |
| ·油液光谱分析步骤 | 第17-18页 |
| ·柴油机油样采集 | 第18-19页 |
| ·光谱分析技术 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于神经网络及其遗传优化的预测方法 | 第23-40页 |
| ·BP神经网络原理和结构模型 | 第23-30页 |
| ·基于BP算法的多层感知器模型 | 第23-24页 |
| ·网络误差与权值调整 | 第24-26页 |
| ·BP算法的不足及改进 | 第26-30页 |
| ·RBF神经网络原理及主要参数的算法 | 第30-36页 |
| ·RBF神经网络原理 | 第30-32页 |
| ·RBF神经网络主要参数的学习算法 | 第32-33页 |
| ·RBF神经网络主要参数的常用算法 | 第33-36页 |
| ·GA-RBF神经网络原理及算法 | 第36-39页 |
| ·GA-RBF神经网络原理 | 第37页 |
| ·GA-RBF神经网络算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 柴油机磨合过程中的油液光谱预测 | 第40-60页 |
| ·实验方法及结果分析 | 第40-44页 |
| ·实验方法 | 第40-41页 |
| ·结果分析 | 第41-44页 |
| ·BP神经网络的油液光谱预测 | 第44-49页 |
| ·BP神经网络的主要参数构建 | 第44页 |
| ·结果与讨论 | 第44-49页 |
| ·RBF神经网络的油液光谱预测 | 第49-54页 |
| ·RBF神经网络预测方法设计 | 第49页 |
| ·结果与讨论 | 第49-54页 |
| ·GA-RBF神经网络的油液光谱预测 | 第54-59页 |
| ·GA-RBF神经网络的权值过程 | 第54-56页 |
| ·结果与讨论 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 第5章 结论与展望 | 第60-62页 |
| ·结论 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 研究生履历 | 第67页 |
