| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究目的和意义 | 第9页 |
| 1.2 研究现状 | 第9-14页 |
| 1.2.1 汽车发动机试验的研究现状 | 第9-11页 |
| 1.2.2 汽车发动机故障诊断的现状 | 第11-12页 |
| 1.2.3 人工神经网络发展现状 | 第12-13页 |
| 1.2.4 BP算法的研究现状 | 第13-14页 |
| 1.3 本论文的主要研究内容 | 第14-17页 |
| 第2章 汽车发动机的故障分析与处理方法 | 第17-35页 |
| 2.1 汽车发动机介绍 | 第17-19页 |
| 2.1.1 四冲程发动机 | 第18页 |
| 2.1.2 汽车发动机的子系统划分 | 第18-19页 |
| 2.2 故障分析方法的介绍 | 第19-28页 |
| 2.2.1 故障分析的概述 | 第19-20页 |
| 2.2.2 FMEA | 第20页 |
| 2.2.3 FMECA | 第20-23页 |
| 2.2.4 故障树分析法 | 第23-28页 |
| 2.2.5 FMEA、FMECA和FTA的比较 | 第28页 |
| 2.3 汽车发动机的故障分析方法 | 第28-29页 |
| 2.4 汽车发动机典型故障分析 | 第29-34页 |
| 2.4.1 发动机燃油耗高 | 第29-32页 |
| 2.4.2 汽车发动机动力不足 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 汽车发动机可靠性试验及状态监测系统 | 第35-53页 |
| 3.1 发动机可靠性试验 | 第35-38页 |
| 3.2 汽车发动机试验系统的研究 | 第38-42页 |
| 3.2.1 汽车发动机试验系统的总体方案 | 第38-40页 |
| 3.2.2 汽车发动机扭矩加载装置 | 第40-41页 |
| 3.2.3 发动机台架试验冷却系统的设计 | 第41-42页 |
| 3.3 发动机试状态监测系统及数据采集分析系统 | 第42-46页 |
| 3.3.1 发动机状态监测的研究 | 第42-45页 |
| 3.3.2 发动机数据采集分析系统 | 第45-46页 |
| 3.4 汽车发动机台架试验系统 | 第46-47页 |
| 3.5 汽车发动机台架可靠性试验方法 | 第47-51页 |
| 3.5.1 台架可靠性试验前期准备 | 第47-49页 |
| 3.5.2 台架可靠性试验方案 | 第49-51页 |
| 3.6 本章小结 | 第51-53页 |
| 第4章 基于遗传算法的BP神经网络的发动机故障诊断 | 第53-65页 |
| 4.1 神经网络 | 第53-54页 |
| 4.2 BP神经网络算法 | 第54-58页 |
| 4.2.1 BP算法的局限性 | 第57-58页 |
| 4.2.2 遗传算法与BP算法相结合 | 第58页 |
| 4.3 基于遗传算法的BP神经网络的发动机故障诊断分析 | 第58-61页 |
| 4.3.1 基于遗传算法的BP神经网络算法 | 第58-59页 |
| 4.3.2 基于遗传算法的BP神经网络的故障诊断优化算法 | 第59-61页 |
| 4.4 应用实例 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第5章 总结 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 附件 | 第73-75页 |
| 附件A 汽车发动机故障模式代码表 | 第73-74页 |
| 附件B 汽车发动机故障原因代码表 | 第74-75页 |
| 致谢 | 第75页 |
