汽车发动机点火系统的故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| ·概述 | 第9-12页 |
| ·课题来源 | 第9页 |
| ·研究背景 | 第9-10页 |
| ·课题研究的目的及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·发动机点火系统诊断方法发展阶段 | 第12-14页 |
| ·发动机点火系统诊断方法研究现状 | 第14-15页 |
| ·发动机点火系统诊断方法发展趋势 | 第15-17页 |
| ·论文的主要研究内容 | 第17-19页 |
| 第2章 汽车发动机点火系统故障诊断方法分析 | 第19-31页 |
| ·汽车发动机点火系统概述 | 第19-21页 |
| ·发动机点火系统原理及构成 | 第19-20页 |
| ·发动机点火系统的常见故障 | 第20-21页 |
| ·故障特征与次级点火电压波形的相关性分析 | 第21-23页 |
| ·汽车发动机点火系统故障诊断方法 | 第23-29页 |
| ·数字万用表诊断法 | 第23-26页 |
| ·点火示波器诊断法 | 第26-28页 |
| ·人工智能诊断法 | 第28-29页 |
| ·本文所采用的优化方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 GA-BP算法分析研究 | 第31-41页 |
| ·BP神经网络机理分析 | 第31-37页 |
| ·BP神经网络拓扑结构 | 第31-32页 |
| ·BP神经网络函数 | 第32-34页 |
| ·BP神经网络学习规则 | 第34-36页 |
| ·BP算法存在的缺点 | 第36-37页 |
| ·GA算法分析 | 第37-39页 |
| ·GA算法机理 | 第37页 |
| ·GA算法的优势分析 | 第37-38页 |
| ·GA算法的基本流程 | 第38-39页 |
| ·GA-BP故障诊断思想 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 基于GA-BP的点火系统故障诊断模型 | 第41-52页 |
| ·GA-BP网络故障诊断模型的构建 | 第41-42页 |
| ·数据样本采集 | 第42-46页 |
| ·点火示波器采集次级点火电压波形 | 第42页 |
| ·样本数据的准备 | 第42-46页 |
| ·数据预处理 | 第46页 |
| ·BP神经网络模型设计 | 第46-48页 |
| ·输入层、输出层设计 | 第46-47页 |
| ·隐含层设计 | 第47-48页 |
| ·GA算法优化BP网络初始值 | 第48-51页 |
| ·参数编码方式 | 第49-50页 |
| ·初始群体生成 | 第50页 |
| ·适应度函数设计 | 第50页 |
| ·遗传算子操作 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 基于GA-BP的点火系统故障诊断模型仿真 | 第52-64页 |
| ·BP神经网络故障诊断模型的仿真 | 第52-59页 |
| ·初始参数设定 | 第52-53页 |
| ·隐含层仿真试验 | 第53-56页 |
| ·BP神经网络故障诊断模型的仿真测试 | 第56-59页 |
| ·GA-BP点火系统故障诊断模型的仿真 | 第59-63页 |
| ·两种模型的诊断结果比较 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64-65页 |
| ·工作展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
