| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 引言 | 第10-14页 |
| 1.2 国内外发展现状 | 第14-20页 |
| 1.2.1 双燃料发动机发展现状 | 第14-16页 |
| 1.2.2 发动机模型发展现状 | 第16-18页 |
| 1.2.3 硬件在环仿真平台发展现状 | 第18-20页 |
| 1.3 本文研究目标 | 第20-22页 |
| 1.4 本文主要研究内容和技术路线 | 第22-23页 |
| 1.5 本章小结 | 第23-24页 |
| 第2章 多维性能仿真模型建模及仿真 | 第24-43页 |
| 2.1 基本守恒方程和状态方程 | 第24-25页 |
| 2.2 柴油机模型建模 | 第25-31页 |
| 2.2.1 重点模型选择 | 第25-28页 |
| 2.2.2 燃烧室结构及网格划分 | 第28-30页 |
| 2.2.3 初始条件、边界条件设置 | 第30-31页 |
| 2.2.4 计算条件设置 | 第31页 |
| 2.3 柴油机模型验证 | 第31-32页 |
| 2.4 双燃料发动机建模 | 第32-34页 |
| 2.5 lambda对双燃料发动机性能的影响 | 第34-35页 |
| 2.6 双燃料发动机试验设计 | 第35-38页 |
| 2.7 双燃料发动机气体模式增压空气压力- lambda MAP | 第38-42页 |
| 2.8 本章小结 | 第42-43页 |
| 第3章 双燃料发动机放热规律神经网络预测模型 | 第43-60页 |
| 3.1 人工神经网络介绍 | 第43-46页 |
| 3.2 预测模型概述 | 第46-48页 |
| 3.3 放热率曲线特征参数提取 | 第48-51页 |
| 3.3.1 曲线特征参数及方程 | 第48页 |
| 3.3.2 曲线特征参数提取的验证 | 第48-50页 |
| 3.3.3 曲线特征参数随控制参数的变化规律 | 第50-51页 |
| 3.4 神经网络模型建立与训练 | 第51-55页 |
| 3.4.1 神经网络模型结构及神经节点数目 | 第51页 |
| 3.4.2 传递函数 | 第51-53页 |
| 3.4.3 样本归一化 | 第53页 |
| 3.4.4 学习算法 | 第53-54页 |
| 3.4.5 模型训练参数 | 第54-55页 |
| 3.4.6 模型优化 | 第55页 |
| 3.5 模型预测、模型评价与误差分析 | 第55-57页 |
| 3.5.1 模型预测 | 第55-56页 |
| 3.5.2 模型评价 | 第56页 |
| 3.5.3 误差分析 | 第56-57页 |
| 3.6 模型验证 | 第57-58页 |
| 3.7 本章小结 | 第58-60页 |
| 第4章 双燃料发动机实时模型建模及仿真 | 第60-74页 |
| 4.1 仿真计算软件 | 第60页 |
| 4.2 建模原理 | 第60-65页 |
| 4.2.1 基本假设 | 第60-61页 |
| 4.2.2 缸内工作过程 | 第61-63页 |
| 4.2.3 气缸容积计算 | 第63页 |
| 4.2.4 传热模型 | 第63-64页 |
| 4.2.5 进排气系统 | 第64页 |
| 4.2.6 涡轮增压器 | 第64-65页 |
| 4.3 模型组成 | 第65-66页 |
| 4.4 模型参数设置 | 第66-70页 |
| 4.4.1 涡轮增压器 | 第66-67页 |
| 4.4.2 进排气阀 | 第67-68页 |
| 4.4.3 气缸参数 | 第68-70页 |
| 4.5 模型计算 | 第70页 |
| 4.6 模型验证 | 第70-73页 |
| 4.7 本章小结 | 第73-74页 |
| 第5章 硬件在环平台搭建 | 第74-81页 |
| 5.1 硬件在环仿真技术 | 第74-75页 |
| 5.2 硬件结构 | 第75-77页 |
| 5.3 实时模型集成 | 第77-78页 |
| 5.4 信号配置 | 第78-79页 |
| 5.5 监控界面设计 | 第79页 |
| 5.6 模型运行 | 第79-80页 |
| 5.7 本章小结 | 第80-81页 |
| 第6章 结论与展望 | 第81-83页 |
| 6.1 结论 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间的学术成果 | 第88页 |