摘要3-4
ABSTRACT4-7
第一章 绪论7-13
1.1 选题的背景与作用7-10
1.2 课题的国外探讨近况10-11
1.3 主要探讨的内容和思路11-13
第二章 基于计算机技术的故障诊断的论述与策略13-26
2.1 故障诊断策略的分类13-14
2.2 基于计算机技术的故障诊断的主要论述策略14-25
2.2.1 基于模型的 FDI 技术的原理15-17
2.2.2 基于神经网络的 FDI17-20
2.2.3 基于模糊逻辑的故障诊断20-25
2.2.4 进化算法结合神经网络的运用25
2.3 小结25-26
第三章 RBF 神经网络26-36
3.1 引言26-27
3.2 RBF 神经网络概述27-33
3.2.1 RBF 神经网络结构27-28
3.2.2 RBF 神经网络的传递函数28
3.2.3 RBF 神经网络算法原理28-30
3.2.4 RBF 神经网络的算法30-32
3.2.5 RBF 神经网络算法步骤32-33
3.2.6 小结33
3.3 RBF 神经网络和 BP 神经网络的比较33-36
第四章 基于 RBF 神经网络的汽车发动机故障诊断36-58
4.1 汽车电喷发动机常见故障36-38
4.2 失火诊断38-44
4.2.1 失火诊断的重要量38-39
4.2.2 失火诊断的常用策略39-44
4.3 尾气排放浅析44-49
4.3.1 气体浅析论述44-45
4.3.2 气体测量45-47
4.3.3 废气浅析实验47-49
4.4 RBF 神经网络在汽车发动机故障诊断中的运用49-56
4.4.1 网络输入输出向量的确定49-50
4.4.2 网络训练样本的选取50-51
4.4.3 数据及训练样本的处理51-53
4.4.4 发动机故障诊断的 RBF 网络仿真53-56
4.5 本章小结56-58
第五章 结论与展望58-65
5.1 结论58-61
5.1.1 ANN 运用的主要不足58-59
5.1.2 未来车辆在线故障诊断和预测对智能技术的要求59-61
5.2 展望61-65
5.2.1 RD&M 的背景61
5.2.2 RD&M 技术的优点61-62
5.2.3 RD&M 系统结构62-63
5.2.4 探讨的重点和目标63-65
致谢65-66