| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-22页 |
| 1.1 课题背景 | 第10-14页 |
| 1.1.1 柴油机的发展趋势及其污染物排放问题 | 第10-11页 |
| 1.1.2 柴油机主要污染物及两大后处理技术简介 | 第11-13页 |
| 1.1.3 车载诊断系统的必要性 | 第13页 |
| 1.1.4 SCR 车载诊断系统的必要性 | 第13-14页 |
| 1.2 课题研究内容及研究现状 | 第14-20页 |
| 1.2.1 课题研究内容 | 第14页 |
| 1.2.2 OBD 研究现状 | 第14-17页 |
| 1.2.3 机器学习研究现状 | 第17-20页 |
| 1.3 课题研究内容及意义 | 第20-22页 |
| 第2章 SCR 系统 OBD 功能及排放法规简介 | 第22-32页 |
| 2.1 SCR 系统工作原理及系统结构简介 | 第22-24页 |
| 2.1.1 SCR 系统工作原理 | 第22-23页 |
| 2.1.2 SCR 系统结构简介 | 第23-24页 |
| 2.2 排放法规简介及 OBDI/II 简介 | 第24-28页 |
| 2.2.1 排放法规简介 | 第24-26页 |
| 2.2.2 OBD 的排放法规简介 | 第26页 |
| 2.2.3 OBD I /II | 第26页 |
| 2.2.4 OBD 功能要求 | 第26-28页 |
| 2.3 OBD 测试内容及流程简介 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 应用于 SCR 系统 OBD 诊断的机器学习算法研究 | 第32-52页 |
| 3.1 机器学习算法简介 | 第32-40页 |
| 3.1.1 神经网络的基本原理 | 第32-38页 |
| 3.1.2 支持向量机的基本原理 | 第38-40页 |
| 3.2 SCR 系统 OBD 功能需求分析 | 第40-41页 |
| 3.2.1 SCR 系统 OBD 功能需求分析 | 第40-41页 |
| 3.2.2 SCR 系统 OBD 功能的难点 | 第41页 |
| 3.3 SCR 系统 OBD 算法设计 | 第41-51页 |
| 3.3.1 总体结构设计 | 第41-44页 |
| 3.3.2 在线诊断功能设计 | 第44-45页 |
| 3.3.3 离线训练算法设计 | 第45-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 应用于 SCR 系统 OBD 的机器学习算法实现及结果 | 第52-70页 |
| 4.1 软件选择 | 第52-54页 |
| 4.1.1 Matlab 简介 | 第52-53页 |
| 4.1.2 Matlab 特点 | 第53-54页 |
| 4.1.3 机器学习算法不同实现方式的对比 | 第54页 |
| 4.2 二阶 SCR 模型介绍 | 第54-57页 |
| 4.2.1 参数定义 | 第54-55页 |
| 4.2.2 催化转化模型建立 | 第55-57页 |
| 4.3 离线训练算法实现及结果 | 第57-67页 |
| 4.3.1 关联度分析数据处理算法实现 | 第57页 |
| 4.3.2 关联度神经网络训练及验证算法实现及结果 | 第57-62页 |
| 4.3.3 关联度分析算法实现及结果 | 第62-63页 |
| 4.3.4 关联度预测网络实现及结果 | 第63-65页 |
| 4.3.5 时间片段筛选算法实现 | 第65-66页 |
| 4.3.6 诊断算法实现及结果 | 第66-67页 |
| 4.4 在线诊断算法实现及结果 | 第67-68页 |
| 4.5 本章总结 | 第68-70页 |
| 第5章 全文总结及工作展望 | 第70-72页 |
| 5.1 全文总结 | 第70页 |
| 5.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 作者简介 | 第76-78页 |
| 后记及致谢 | 第78页 |
