| 中文摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 字母注释表 | 第11-12页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 选题背景 | 第12-18页 |
| 1.1.1 摩托车污染物排放形势日益严峻 | 第12-13页 |
| 1.1.2 摩托车污染物排放法规日益严格 | 第13-16页 |
| 1.1.3 摩托车污染物排放控制技术 | 第16-17页 |
| 1.1.4 空燃比与发动机性能的关系 | 第17-18页 |
| 1.2 空燃比控制研究现状 | 第18-20页 |
| 1.2.1 基于模型的空燃比控制 | 第19-20页 |
| 1.2.2 人工智能空燃比控制 | 第20页 |
| 1.3 本文的研究意义及工作内容 | 第20-22页 |
| 1.3.1 本文研究意义 | 第20-21页 |
| 1.3.2 本文工作内容 | 第21-22页 |
| 第二章 发动机空燃比模型的建立及验证 | 第22-41页 |
| 2.1 进气通路模型建立 | 第23-27页 |
| 2.1.1 进气管内均值模型建立 | 第24页 |
| 2.1.2 节气门处空气流量模型建立 | 第24-26页 |
| 2.1.3 气缸入口处空气流量模型建立 | 第26-27页 |
| 2.2 燃油动态模型建立 | 第27-29页 |
| 2.3 时滞模型建立 | 第29-30页 |
| 2.4 模型参数辨识及模型验证 | 第30-39页 |
| 2.4.1 遗传算法的特点 | 第30-31页 |
| 2.4.2 遗传算法的工作原理 | 第31-34页 |
| 2.4.3 基于遗传算法的模型参数的辨识及模型验证 | 第34-39页 |
| 2.5 本章小结 | 第39-41页 |
| 第三章 汽油机过渡工况进气量预估模型建立及验证 | 第41-55页 |
| 3.1 基于BP神经网络的进气量预估模型设计 | 第41-46页 |
| 3.1.1 BP神经网络的特点 | 第42-43页 |
| 3.1.2 BP神经网络的工作原理 | 第43-45页 |
| 3.1.3 基于BP神经网络的进气量预估模型建立 | 第45-46页 |
| 3.2 基于BP神经网络的进气量预估模型辨识 | 第46-51页 |
| 3.3 过渡工况进气流量预估结果及分析 | 第51-53页 |
| 3.4 本章小结 | 第53-55页 |
| 第四章 发动机过渡工况空燃比控制策略 | 第55-67页 |
| 4.1 基于进气量预估的空燃比控制 | 第55-60页 |
| 4.1.1 基于进气量预估的空燃比控制算法设计 | 第55-56页 |
| 4.1.2 基于进气量预估的瞬态空燃比控制仿真及结果分析 | 第56-60页 |
| 4.2 带油膜补偿的基于进气量预估的空燃比控制算法 | 第60-66页 |
| 4.2.1 油膜补偿算法 | 第60-61页 |
| 4.2.2 油膜补偿加上进气预估的空燃比控制 | 第61-66页 |
| 4.3 本章小结 | 第66-67页 |
| 第五章 全文总结与展望 | 第67-69页 |
| 5.1 全文总结 | 第67-68页 |
| 5.2 工作展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 发表论文和参加科研情况说明 | 第72-73页 |
| 致谢 | 第73-74页 |
