| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 论文研究背景及研究意义 | 第12-13页 |
| 1.1.1 论文研究背景 | 第12-13页 |
| 1.1.2 论文研究意义 | 第13页 |
| 1.2 内燃机故障诊断技术的国内外研究现状及发展趋势 | 第13-16页 |
| 1.2.1 国内外研究现状 | 第13-15页 |
| 1.2.2 国内外发展趋势 | 第15-16页 |
| 1.3 论文的研究内容及结构安排 | 第16-19页 |
| 1.3.1本文研究内容 | 第16-18页 |
| 1.3.2 论文的结构安排 | 第18-19页 |
| 1.4 本章小结 | 第19-20页 |
| 第二章 BP神经网络及其算法的相关理论 | 第20-38页 |
| 2.1 人工神经网络原理及模型 | 第20-24页 |
| 2.1.1 生物神经元模型 | 第20-21页 |
| 2.1.2 人工神经元模型及基本结构 | 第21-22页 |
| 2.1.3 人工神经网络的架构 | 第22-24页 |
| 2.1.4 人工神经网络的工作原理及特点 | 第24页 |
| 2.2 BP神经网络原理及相关理论 | 第24-34页 |
| 2.2.1 BP神经网络的原理 | 第24-26页 |
| 2.2.2 BP神经网络的学习过程 | 第26-33页 |
| 2.2.3 BP神经网络的改进 | 第33-34页 |
| 2.3 BP神经网络的组建和运行 | 第34-36页 |
| 2.4 BP神经网络在故障诊断中的应用 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 遗传算法相关理论及遗传算法优化的BP神经网络 | 第38-50页 |
| 3.1 遗传算法简述 | 第38页 |
| 3.2 遗传算法模型 | 第38-40页 |
| 3.3 遗传算法的实现 | 第40-44页 |
| 3.3.1 编码方案 | 第41页 |
| 3.3.2 种群规模 | 第41页 |
| 3.3.3 初始种群 | 第41-42页 |
| 3.3.4 适应度 | 第42页 |
| 3.3.5 交叉算子 | 第42-43页 |
| 3.3.6 变异算子 | 第43-44页 |
| 3.4 遗传算法优化BP神经网络 | 第44-48页 |
| 3.4.1 遗传算法优化BP神经网络的方案 | 第44-45页 |
| 3.4.2 遗传算法优化BP神经网络的思想 | 第45-46页 |
| 3.4.3 遗传算法优化BP神经网络的具体方法 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第四章 内燃机动力系统典型故障和系统整体设计与实现 | 第50-60页 |
| 4.1 内燃机故障诊断技术及诊断方法 | 第50-51页 |
| 4.2 基于排出物的内燃机故障机理分析 | 第51-54页 |
| 4.2.1 内燃机故障类型分析 | 第51-52页 |
| 4.2.2 内燃机排出物与故障类型关系分析 | 第52-54页 |
| 4.3 基于内燃机排放物的故障诊断方法 | 第54-55页 |
| 4.3.1 问题描述 | 第54-55页 |
| 4.3.2 基于内燃机排放物的故障诊断策略 | 第55页 |
| 4.4 基于优化的GA-BP神经网络的内燃机故障诊断模型 | 第55-59页 |
| 4.4.1 可行性分析 | 第55-57页 |
| 4.4.2 神经网络设计 | 第57-58页 |
| 4.4.3 样本数据处理 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第五章 实验仿真及结果分析 | 第60-70页 |
| 5.1 实验准备 | 第60-61页 |
| 5.2 实验仿真及分析 | 第61-68页 |
| 5.3 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-74页 |
| 6.1 总结 | 第70-71页 |
| 6.2 展望 | 第71-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 附录A 攻读硕士期间发表的论文 | 第82-84页 |
| 附录B 攻读硕士期间参与的项目 | 第84-86页 |
| 附录C 攻读硕士期间申请的软件著作权 | 第86页 |
