一、电喷发动机诊断系统的研究（论文文献综述）
何文锋[1]（2019）在《电喷发动机节气门故障实时诊断方法研究》文中研究表明针对传统的电喷发动机节气门故障诊断方法存在故障误判的问题,提出了基于统计模量分析的电喷发动机节气门故障实时诊断方法。对电喷发动机节气门故障信号进行预处理,使用小波变换对故障信号最大值处的模极大值进行滤除,完成对故障定位信号的特征提取;对单个电喷发动机节气门故障信号变量的统计模量进行计算,提取出电喷发动机节气门故障信号批次轨迹分布特征,运用故障信号批次轨迹分布特征来判断控制限,将统计量值与控制限进行比较,完成对电喷发动机节气门故障的诊断。实验结果表明,所提方法与传统方法相比,可以精确地诊断出电喷发动机节气门故障,且诊断效率较高。
于象敏[2]（2016）在《电喷发动机故障诊断专家系统的研究》文中进行了进一步梳理近年来,随着科学技术的迅猛发展,汽车工业也得到了不断的进步。电子控制系统被广泛的应用于汽车工业,其在使汽车性能得到提高的同时,也导致了汽车故障诊断的复杂性,过去传统的汽车故障诊断方法已经不适应时代发展的要求。因此,对电喷发动机故障诊断专家系统的研究工作,迫在眉睫。把人类专家处理领域问题的过程模拟为技术程序叫做专家系统。通过此项专家系统,对出现的故障做出诊断并解决,是人工智能最主要的一个分支。根据专业领域中专家提供的经验、知识,以及明确规定的一些规则,进行的解决复杂问题的过程就是故障诊断专家系统的推理和诊断过程。以下是笔者针对目前国内电喷发动机维修过程中存在的问题,与专家系统的特点相结合,对电喷发动机故障诊断系统进行研究和探讨,使电喷发动机故障专家系统的总体结构及其实现的关键技术也进行了系统的分析,使维修人员利用此系统,迅速找出故障所在,并以最快速度找到最恰当的维修方法。
孙博[3]（2013）在《汽车电喷发动机故障诊断与维修方法探析》文中指出随着我国社会经济的不断发展,也相应的促进了我汽车行业的发展。汽车诊断与维修技术也需要跟上汽车发展的步伐。因此,本文重点探讨了汽车电喷发动机故障诊断与维修的方法。希望通过本文的探讨,能够进一步提高汽车电喷发动机故障诊断的方法和维修的方法,促进我国汽车维修行业的发展。
蒋红枫[4]（2011）在《电喷发动机故障诊断专家系统推理机的开发》文中研究说明研究了推理机的相关理论,采用确定性推理和不确定性推理相结合的方法,应用正向推理、深度优先搜索和冲突消除策略,开发了基于故障树的电喷发动机故障诊断专家系统推理机;以发动机不能起动且无着车征兆的故障诊断为例,说明了该推理机的诊断推理过程,并验证了该推理机的应用前景。
刘立恒[5]（2011）在《基于LabVIEW的电喷发动机的故障分析与仿真》文中认为汽车发动机是一个复杂系统,其故障约占汽车的全部故障的40%以上。为避免严重事故的发生,需运用故障诊断技术及时了解汽车发动机的工作性能、判断各部件是否处于或即将处于何种故障状态,因此对汽车发动机展开故障诊断技术理论和诊断系统的研究有着非常重要而现实的意义。然而,我国目前的发动机故障诊断系统尚缺乏一种集多种参数采集、分析处理和诊断推理的通用化平台,同时在分析故障现象和故障原因的非线性关系时,现有的故障诊断理论也不能简单地运用到故障诊断系统中,需要通过分析改进,以得到一个切合实际能解决问题的故障诊断推理模型。为此,本文系统介绍了用于发动机故障诊断测试的信号采集、信号处理、神经网络、虚拟仪器等技术,并对各项技术的原理特点及在故障诊断领域中的应用做了细致的研究分析。在此基础上提出了一种以虚拟仪器技术为通用化平台,以神经网络推理为主的多种人工智能技术集成的发动机故障诊断测试专家系统。论文的主要内容包括：1)分析了现有各类故障诊断技术方法的结构组成、推理方法、功能特点及其在故障诊断领域中的应用状况,提出本系统诊断推理方法以神经网络推理为主、专家系统为基础和其他各类故障技术方法为辅的设计思路。2)对信号采集、信号处理方法的原理及其在发动机征兆信号分析中的应用进行了研究,同时针对算术平均值算法存在的一些不足,将分批估计数据融合方法引入到故障征兆信号的统计分析中,提高了数据统计的精度。3)对虚拟仪器的概念、虚拟仪器结构、LabVIEW编程技术等进行了探讨分析,然后分析了能表征发动机工作性能状态的主要参特征数,并设计了基于智能化诊断技术集成和虚拟仪器技术的发动机故障诊断测试通用化平台。
郑尧军,骆美富,陈开考,谢颂京[6]（2010）在《基于网络化教学的电喷发动机实训系统开发研究》文中研究说明为更好地发挥电喷发动机实训教学考核系统在汽车实训教学中的优势,自主研发了电喷发动机网络化实训辅助教学系统,充分利用现有院校校园网的网络优势与多媒体教室的作用,有力地支持了汽车实训教学实验室的开发运行,并分析了电喷发动机网络实训教学的应用。
刘杰[7]（2009）在《电喷汽车发动机故障诊断技术研究》文中研究表明发动机是汽车动力的来源。随着其工作性能的不断改善、电子化程度的不断提高,其结构也变得越来越复杂,虽然发动机发生故障的概率并不是太高,但是一旦发生故障将很难诊断。随着人工智能技术的快速发展,神经网络已经越来越多的应用到了复杂系统的故障诊断中。本文以电喷发动机怠速不稳故障为例,用多传感器信息融合的神经网络方法对几种主要故障原因在MATLAB环境下进行了仿真研究。本文首先分析了国内外汽车故障诊断技术的现状和发展状况,总结了一些故障诊断的主要理论和方法,对神经网络原理的基本知识、径向基函数神经网络作了比较详细的介绍;其次,对发动机电控系统的基本知识进行了介绍,并分析了几种主要传感器及执行器的波形,指出了波形特征和故障的关系;然后,研究了多传感器信息融合神经网络发动机故障诊断方法,以电喷发动机怠速不稳为例,选择了相关传感器、执行器波形特征参数为原始特征向量,并研究了应用主成分分析方法进行特征提取的方法以及信息融合中心的设计;最后在MATLAB环境下设计了诊断怠速不稳的多传感器信息融合RBF神经网络,并进行了检验。本文在MATLAB环境下使用基于主成分分析和信息融合的RBF神经网络对怠速不稳样本进行训练和仿真实验,经验证该故障诊断模型对电喷发动机故障识别具有很高的准确率。最后,将多传感器信息融合的神经网络方法和单传感器信息的神经网络方法进行比较,证明了多传感器信息融合的神经网络方法的故障诊断准确率更高;将使用主成分分析的RBF神经网络和不使用主成分分析的RBF神经网络比较,结果显示使用主成分分析可以使神经网络结构更简单,性能更好。
张树梅[8]（2008）在《基于模型控制的电喷发动机虚拟标定系统的研究》文中认为随着公众能源和环保意识的日益增强,越来越多的车用发动机将不得不采用或采用更多的电子控制系统。电控系统之间的耦合作用以及控制参数之间的固有矛盾,导致车用发动机电控系统的标定过程往往需要较长的周期和较高的成本。因此,国内外对电控系统的标定方法做了大量的研究。国内标定系统研究虽然已经取得了一些进展,但大多采用人工在线标定方法,存在标定成本高且标定质量难以保证的不足,不能满足工程实践的要求;购置国外自动标定系统价格又过于昂贵。工程实践表明,基于模型控制的标定技术可以有效提高车用发动机电控系统的标定质量和效率,是一种省时省力的方法。因此本文围绕基于模型控制的标定方法展开了以下研究:1、虚拟标定试验验证测试系统的完成。搭建了电喷发动机台架测试系统,实现了多参数实时采集功能,设计了电喷发动机高能双火花塞点火的快速燃烧系统。这些工作的完成为电喷发动机虚拟标定系统的完备化设计奠定了良好的基础。2、电喷发动机的虚拟标定系统的设计。以真实发动机为原型,建立了双火花塞电喷发动机的几何模型,设定了发动机的形状尺寸和结构特点;鉴于双火花塞燃烧系统的特殊结构及高能点火模式,建立了三维计算流体模型。以动态的计算区域对电喷发动机不同工况点的放热率进行了准确求解;以放热率为输入条件,在一维热力学模型的基础上模拟了真实发动机的运行状况。3、电喷发动机虚拟标定的研究及分析。利用已完成的电喷发动机虚拟标定系统,通过一系列参数设置,得到了发动机的缸压曲线和排放曲线;详细分析了过量空气系数、点火提前角及点火模式对计算结果的影响;最后以试验的方法对计算结果的准确性进行了求证,并详细分析了细小误差产生的原因,对基于模型控制的标定技术的深入应用具有很高的指导意义。
杨金玉[9]（2008）在《基于神经网络电喷发动机传感器故障诊断专家系统的研究》文中认为电控燃油喷射发动机以降低燃油消耗、降低排放及提高功率等优点得到了迅速的普及,随着国Ⅲ标准的实施,电控燃油喷射发动机将会成为不可阻挡的发展趋势。虽然电控发动机故障率低,但一旦发生故障,不仅影响发动机的性能,而且故障诊断困难。尤其是传感器故障,它与发动机性能有着密切的关系,因此研究电控发动机传感器故障诊断将是一个非常必要和迫切的任务。本文针对目前电控发动机所采用的各种传感器,重点介绍了节气门位置传感器和进气歧管压力传感器的结构、原理、信号特点及可能发生的常见故障,并以此为依据,以VisualC++6.0和MataLab7.0作为开发平台,将传统的专家系统与BP神经网络的优点有机的结合在一起,设计了故障诊断神经网络专家系统。运用数字滤波技术对采集到的节气门位置传感器和进气歧管压力传感器波形数据进行低通滤波处理和预处理后,输入到BP神经网络中,在每个采样时刻,比较故障诊断神经网络估计输出值和在正常状态下两个传感器信号的实际输出值得到两者之间差值,通过判断该值是否超出误差限值对节气门位置传感器和进气歧管压力传感器的值不变以及未标定故障进行诊断。最后将诊断结果转换成专家系统能够识别的知识输出到用户界面。通过试验台架采集波形数据,对故障诊断神经网络专家系统进行验证,验证结果表明该系统是切实可行的。同时具有较高的工程使用价值。
邓日青[10]（2008）在《基于神经网络专家系统的电喷发动机故障自诊断研究》文中提出结合计算机技术、神经网络和专家系统进行发动机故障诊断的研究,对发动机故障的及时、准确判断,提高汽车工作效率和维修质量是非常重要的。随着汽车的广泛使用,研究汽车发动机故障诊断系统具有十分重要的意义。本文以汽车发动机汽缸失火为诊断对象,全面阐述了神经网络和专家系统的基本理论与系统结构。传统专家系统只能处理显性的表面的知识,存在推理能力弱,而且知识获取容易出现瓶颈问题等;而神经网络恰好弥补了专家系统的不足,因此设计了神经网络与专家系统结合在一起的一种新方法,将神经网络和专家系统融合在一起来克服各自存在的缺点,使二者更好地应用于故障诊断领域,将二者融合实现了人工智能在故障诊断上的飞跃。以BP神经网络为基础建立汽车故障诊断专家系统,结合汽车所出现的各种具体故障情况,利用专家提供的样本规则,对网络进行训练,然后利用学成的网络,对汽车故障数据进行处理,便得到了汽车具体的故障情况。具体实施的步骤为:以EQ6102电喷发动机在无负荷时不同转速工况下其废气（CO,CO2,NOX,HC和02）排放量为训练样本集,利用神经网络的学习规则,应用BP网络实现知识的存储,采用数值优化算法完成知识库的组建;采用正向推理机制,使用VB 6.0设计人机接口实现系统和用户之间的界面,实现数值的输入和输出;大量收集汽车故障资料,从书本和领域专家那里获得相关的知识;用MATLAB对实验结果进行仿真模拟,充分发挥解释器的作用。神经网络专家系统作为人工智能应用于汽车故障诊断的一个系统,具有实用性强,便于不断扩充等优点,加大了诊断技术在汽车上的应用范围。在理论上,丰富了汽车故障诊断采用智能方法的可行性,使汽车故障诊断水平真正达到专家级别。
二、电喷发动机诊断系统的研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、电喷发动机诊断系统的研究（论文提纲范文）
（1）电喷发动机节气门故障实时诊断方法研究（论文提纲范文）
| 1 故障定位信号特征提取 |
| 2 电喷发动机节气门故障实时诊断方法 |
| 3 实验验证 |
| 4 结束语 |
（2）电喷发动机故障诊断专家系统的研究（论文提纲范文）
| 一、引言 |
| 二、电喷发动机故障专家系统的结构与功能 |
| 三、电喷发动机故障诊断专家系统的具体实现 |
| 四、结束语 |
（3）汽车电喷发动机故障诊断与维修方法探析（论文提纲范文）
| 一、汽车电喷发动机常见的故障分析 |
| 二、汽车电喷发动机的故障诊断方法分析 |
| （一）直观诊断法 |
| （二）仪器诊断法 |
| 三、汽车电喷发动机的故障维修方法分析 |
| （一）发动机回火 |
| （二）发动机加速时抖动 |
| （三）发动机热车启动困难 |
| 四、结束语 |
（4）电喷发动机故障诊断专家系统推理机的开发（论文提纲范文）
| 1 系统结构 |
| 2 系统推理机的开发 |
| 2.1 诊断模型 |
| 2.2 确定性和不确定性推理 |
| 2.2.1 确定性推理 |
| 2.2.2 不确定性推理 |
| 2.3 正向推理 |
| 2.4 深度优先搜索策略 |
| 2.5 冲突消除策略 |
| 3 诊断实例 |
| 3.1 故障诊断推理流程 |
| 3.2 推理机应用测试 |
| 4 结语 |
（5）基于LabVIEW的电喷发动机的故障分析与仿真（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题的来源与背景 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 未来的发展趋势 |
| 1.3 课题研究的主要内容 |
| 1.4 小结 |
| 第二章 电喷发动机系统的组成和常见故障 |
| 2.1 电喷发动机控制系统的基本组成和工作原理 |
| 2.1.1 电喷汽油喷射系统的组成 |
| 2.1.2 电喷系统控制原理 |
| 2.1.3 电喷系统工作过程 |
| 2.2 电喷发动机故障征兆及其技术状态特征 |
| 2.2.1 电喷发动机典型故障的结构征兆 |
| 2.2.2 典型故障征兆的技术状态特征 |
| 2.3 小结 |
| 第三章 发动机故障诊断研究 |
| 3.1 发动机故障诊断概述 |
| 3.1.1 故障诊断的基本概念 |
| 3.1.2 发动机故障诊断的基本过程 |
| 3.1.3 故障诊断的技术概述 |
| 3.2 故障诊断技术方法 |
| 3.2.1 专家系统故障诊断法 |
| 3.2.2 模糊数学故障诊断法 |
| 3.2.3 范例推理故障诊断法 |
| 3.2.4 信息融合故障诊断法 |
| 3.3 神经网络故障诊断方法 |
| 3.3.1 人工神经网络 |
| 3.3.2 BP神经网络模型 |
| 3.3.3 BP网络算法步骤 |
| 3.3.4 BP网络设计分析 |
| 3.3.5 BP网络改进算法 |
| 3.4 小结 |
| 第四章 故障征兆信号处理方法的研究 |
| 4.1 特征信号采集 |
| 4.2 时域分析法 |
| 4.2.1 统计特征参量分析 |
| 4.2.2 相关分析 |
| 4.3 频域分析方法 |
| 4.3.1 幅度谱分析 |
| 4.3.2 功率谱分析 |
| 4.4 信号分析的其他方法 |
| 4.4.1 时序分析法 |
| 4.4.2 小波分析法 |
| 4.5 分批估计数据融合方法 |
| 4.5.1 一致性检验 |
| 4.5.2 数据融合算法 |
| 4.6 小结 |
| 第五章 基于虚拟仪器技术的智能故障诊断系统开发 |
| 5.1 虚拟仪器及LABVIEW |
| 5.1.1 虚拟仪器的概念 |
| 5.1.2 虚拟仪器机构 |
| 5.1.3 LabVIEW与G语言 |
| 5.2 智能化诊断测试系统总体设计 |
| 5.2.1 诊断测试参数分析 |
| 5.2.2 虚拟仪器硬件通用化平台设计 |
| 5.2.3 虚拟仪器软件通用化平台设计 |
| 5.3 废气排放故障诊断子系统 |
| 5.3.1 数据采集设计 |
| 5.3.2 数据库管理设计 |
| 5.3.3 神经网络程序设计 |
| 5.4 小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论着及取得的科研成果 |
（6）基于网络化教学的电喷发动机实训系统开发研究（论文提纲范文）
| 1 概述 |
| 1.1 工作过程导向的电喷发动机实训要求 |
| 1.2 基于网络化教学的电喷发动机实训系统的可行性研究 |
| 2 系统结构和功能 |
| 2.1 软件控制系统 |
| 2.1.1 教师服务器功能 |
| 1) 教学系统 |
| 2) 考核系统 |
| 3) 调试系统 |
| 2.1.2 学生机客户端软件功能 |
| 1) 学生仿真学习系统 |
| 2) 考核系统 |
| 2.2 控制系统硬件 |
| 2.2.1 电喷发动机PLC控制及数据采集 |
| 2.2.2 教师服务器的通信 |
| 1) 教师服务器与传感器的通信 |
| 2) 教师服务器与学生机之间的通信 |
| 3 基于网络化教学的电喷发动机实训系统的实现 |
| 3.1 教师服务器软件的实现 |
| 3.2 图形化台架与主控PC机图形化软件的实现 |
| 3.3 学生机与网络化教室的实现 |
| 4 结束语 |
（7）电喷汽车发动机故障诊断技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 发动机故障诊断的意义 |
| 1.2 发动机故障诊断技术 |
| 1.2.1 发动机故障诊断分类 |
| 1.2.2 发动机故障诊断方法 |
| 1.3 发动机故障诊断技术的应用现状及发展趋势 |
| 1.3.1 国外汽车诊断技术的发展概况 |
| 1.3.2 国内发动机故障诊断技术的发展状况 |
| 第二章 故障诊断理论及方法 |
| 2.1 汽车故障诊断的基本概念 |
| 2.2 故障诊断方法 |
| 2.2.1 基于信号分析处理的故障诊断方法 |
| 2.2.2 基于解析模型的故障诊断方法 |
| 2.2.3 基于人工智能的故障诊断方法 |
| 2.3 径向基函数神经网络原理 |
| 2.3.1 RBF 神经网络结构 |
| 2.3.2 RBF 神经网络的学习算法 |
| 2.4 神经网络在故障诊断中的应用 |
| 2.4.1 基于神经网络的故障诊断的优点 |
| 2.4.2 神经网络与故障诊断结合的途径 |
| 2.5 本章小结 |
| 第三章 电喷发动机故障诊断研究 |
| 3.1 电喷发动机控制系统的基本组成和工作原理 |
| 3.1.1 电喷发动机电控系统的结构 |
| 3.1.2 电喷发动机电控系统的基本组成 |
| 3.2 主要传感器、执行器的工作原理和波形分析 |
| 3.2.1 点火波形分析 |
| 3.2.2 喷油器波形分析 |
| 3.2.3 氧传感器波形分析 |
| 3.3 电喷发动机故障征兆及其技术状态特征 |
| 3.3.1 电喷发动机常见故障征兆及原因分析 |
| 3.3.2 电喷发动机典型故障征兆的技术状态特征 |
| 3.4 本章小结 |
| 第四章 基于信息融合神经网络的电控发动机故障诊断设计 |
| 4.1 基于神经网络的故障诊断方法 |
| 4.1.1 神经网络在故障模式识别中的应用 |
| 4.1.2 基于神经网络的故障诊断过程 |
| 4.2 怠速不稳故障征兆的分析 |
| 4.2.1 电喷发动机典型运行工况的控制 |
| 4.2.2 怠速不稳的原因分析 |
| 4.3 特征参数的选择与提取 |
| 4.3.1 特征参数的选择 |
| 4.3.2 基于主成分分析特征参数的提取 |
| 4.4 信息融合中心的设计 |
| 4.4.1 隐层神经元数的确定 |
| 4.4.2 转移函数的选择 |
| 4.4.3 输出层的设计 |
| 4.5 本章小结 |
| 第五章 基于RBF 神经网络的怠速不稳故障诊断方法的研究 |
| 5.1 基于主成分分析的发动机怠速不稳故障数据的特征提取 |
| 5.2 诊断怠速不稳故障的RBF 神经网络设计 |
| 5.2.1 MATLAB 环境下RBF 神经网络构建函数的选择 |
| 5.2.2 隐层神经元数的确定 |
| 5.2.3 转移函数 |
| 5.2.4 输出层的设计 |
| 5.2.5 怠速不稳故障诊断的RBF 神经网络程序设计 |
| 5.3 多传感器信息融合RBF 网络和单传感器信息RBF 网络的比较 |
| 5.4 有无主成分分析进行特征提取的RBF 神经网络的比较 |
| 5.5 本章小结 |
| 第六章 结论与建议 |
| 致谢 |
| 参考文献 |
| 在学期间所发表的学术论着 |
（8）基于模型控制的电喷发动机虚拟标定系统的研究（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 火花点火发动机排放污染物的生成及危害 |
| 1.3 基于模型控制的电喷系统的标定技术 |
| 1.4 电喷发动机传统燃料与代用燃料的研究 |
| 1.5 本课题研究意义和内容 |
| 第二章 电喷发动机快速燃烧系统的设计 |
| 2.1 电喷发动机控制系统的功能设计 |
| 2.2 电喷发动机快速燃烧系统的设计 |
| 2.3 本章小结 |
| 第三章 电喷发动机试验测试系统的搭建 |
| 3.1 电喷发动机台架测试系统的搭建 |
| 3.2 电喷发动机参数标定系统的设计 |
| 3.3 电喷发动机瞬态燃烧分析系统的建立 |
| 3.4 电喷发动机数据采集的处理 |
| 3.5 本章小结 |
| 第四章 电喷发动机虚拟标定系统的设计 |
| 4.1 电喷发动机虚拟标定系统的软件平台 |
| 4.2 电喷发动机虚拟标定仿真系统的设计 |
| 4.3 本章小结 |
| 第五章 电喷发动机虚拟标定研究及分析 |
| 5.1 电喷发动机有限试验工况点的选择及相关参数的采集 |
| 5.2 基于三维计算流体模型的电喷发动机放热率曲线的研究 |
| 5.3 基于一维热力学模型的电喷发动机虚拟标定的研究 |
| 5.4 电喷发动机虚拟标定试验验证及误差分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 发表论文和科研情况说明 |
| 致谢 |
（9）基于神经网络电喷发动机传感器故障诊断专家系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究本课题的目的和意义 |
| 1.2 汽车发动机诊断技术的国内外研究现状与发展 |
| 1.3 课题研究的内容和思路 |
| 1.4 本章小结 |
| 第二章 电喷发动机故障诊断技术 |
| 2.1 电控汽油喷射系统工作原理及组成 |
| 2.1.1 空气供给系统 |
| 2.1.2 燃油控制系统 |
| 2.1.3 电子控制系统 |
| 2.2 汽车传感器 |
| 2.2.1 汽车传感器分类 |
| 2.2.2 汽车传感器的性能要求 |
| 2.2.3 电控发动机传感器结构原理及其常见故障 |
| 2.3 汽车发动机故障诊断技术 |
| 2.3.1 电喷发动机传感器的故障特点 |
| 2.3.2 电喷发动机电控系统故障诊断方法 |
| 2.4 本章小结 |
| 第三章 人工神经网络与专家系统概述 |
| 3.1 人工神经网络理论 |
| 3.1.1 人工神经网络的概念 |
| 3.1.2 人工神经网络的分类 |
| 3.1.3 人工神经网络的特点及其应用领域 |
| 3.2 BP 神经网络原理及算法 |
| 3.2.1 BP 网络算法步骤 |
| 3.2.2 BP 算法的优化改进 |
| 3.2.3 BP 网络设计分析 |
| 3.3 神经网络专家系统理论概述 |
| 3.3.1 传统专家系统的缺点 |
| 3.3.2 神经网络专家系统的原理及特点 |
| 3.3.3 系统的知识表示和知识获取 |
| 3.3.4 推理机制及解释机制 |
| 3.4 本章小结 |
| 第四章 电喷发动机传感器信号采集实验及设备 |
| 4.1 试验目的 |
| 4.2 电喷发动机实验台架 |
| 4.2.1 试验用发动机 |
| 4.2.2 试验设备 |
| 4.2.3 试验工况 |
| 4.3 信号采集结果 |
| 4.3.1 节气门位置传感器 |
| 4.3.2 进气歧管压力传感器 |
| 4.4 信号处理 |
| 4.4.1 低通滤波的必要性 |
| 4.4.2 信号处理结果 |
| 4.5 本章小结 |
| 第五章 电喷发动机传感器故障诊断神经网络专家系统设计 |
| 5.1 系统的体系结构 |
| 5.2 系统功能模块设计 |
| 5.3 系统开发工具的选择 |
| 5.4 传感器故障诊断模型的建立 |
| 5.4.1 预处理模块 |
| 5.4.2 故障诊断模块 |
| 5.4.3 输出结果转换模块 |
| 5.5 传感器故障诊断神经网络设计 |
| 5.5.1 节气门位置传感器故障诊断神经网络设计 |
| 5.5.2 进气歧管压力传感器故障诊断神经网络设计 |
| 5.6 神经网络模型的验证 |
| 5.6.1 正常信号验证故障诊断神经网络 |
| 5.6.2 故障信号验证故障诊断神经网络 |
| 5.7 输出结果转换 |
| 5.8 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（10）基于神经网络专家系统的电喷发动机故障自诊断研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 故障诊断技术综述 |
| 1.2 电喷发动机故障诊断方法研究 |
| 1.2.1 随车自诊断 |
| 1.2.2 车外专用仪器诊断 |
| 1.2.3 专家系统诊断 |
| 1.3 故障诊断专家系统的发展状况和趋势 |
| 1.3.1 国外研究状况 |
| 1.3.2 国内研究状况 |
| 1.3.3 发展趋势 |
| 1.4 论文的主要内容、目的和意义 |
| 1.5 本章小结 |
| 第二章 人工神经网络 |
| 2.1 人工神经网络简介 |
| 2.1.1 人工神经网络概念 |
| 2.1.2 人工神经网络的特点及应用 |
| 2.1.3 MATLAB 神经网络工具箱 |
| 2.2 人工神经网络理论 |
| 2.2.1 人工神经元模型 |
| 2.2.2 神经元学习算法 |
| 2.2.3 神经网络的互连模式 |
| 2.3 BP 神经网络 |
| 2.3.1 BP 网络结构 |
| 2.3.2 BP 学习算法 |
| 2.3.3 BP 算法应用要点 |
| 2.3.4 BP 算法改进 |
| 2.4 本章小结 |
| 第三章 从专家系统到神经网络专家系统 |
| 3.1 专家系统 |
| 3.1.1 专家系统概述 |
| 3.1.2 专家系统结构 |
| 3.1.3 专家系统的开发步骤 |
| 3.2 神经网络与专家系统的结合 |
| 3.2.1 专家系统的缺陷 |
| 3.2.2 神经网络与专家系统的区别 |
| 3.2.3 神经网络与专家系统的互补 |
| 3.3 神经网络专家系统的基本理论 |
| 3.3.1 神经网络专家系统的原理 |
| 3.3.2 神经网络专家系统的特点 |
| 3.3.3 神经网络专家系统的结构和功能描述 |
| 3.4 系统的知识表达和知识库 |
| 3.4.1 知识表示 |
| 3.4.2 知识获取 |
| 3.5 推理机制及解释机制 |
| 3.5.1 神经网络的推理机制 |
| 3.5.2 神经网络输出结果向描述性知识的转换 |
| 3.5.3 推理方法 |
| 3.5.4 推理方向和解释机制 |
| 3.6 本章小节 |
| 第四章 电喷发动机故障诊断及其模型的建立 |
| 4.1 电喷发动机控制系统的基本组成 |
| 4.1.1 电喷发动机电控系统的结构 |
| 4.1.2 电喷发动机电控系统的基本组成 |
| 4.2 电喷发动机故障征兆及其技术状态特征 |
| 4.2.1 电喷发动机典型故障的结构征兆 |
| 4.2.2 典型故障征兆的技术状态特征 |
| 4.3 MATLAB 简介 |
| 4.4 构造故障模型 |
| 4.4.1 故障征兆－故障模式样本集的设计 |
| 4.4.2 数据预处理 |
| 4.4.3 创建 BP 网络 |
| 4.5 结果转换 |
| 4.6 本章小结 |
| 第五章 故障诊断系统的实现 |
| 5.1 接口的实现 |
| 5.1.1 MATLAB 与VB 的接口的实现 |
| 5.1.2 VB 与SQL 接口的实现 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论着及取得的科研成果 |
四、电喷发动机诊断系统的研究（论文参考文献）
- [1]电喷发动机节气门故障实时诊断方法研究[J]. 何文锋. 机械设计与制造工程, 2019(07)
- [2]电喷发动机故障诊断专家系统的研究[J]. 于象敏. 中国培训, 2016(02)
- [3]汽车电喷发动机故障诊断与维修方法探析[J]. 孙博. 科技风, 2013(14)
- [4]电喷发动机故障诊断专家系统推理机的开发[J]. 蒋红枫. 公路与汽运, 2011(04)
- [5]基于LabVIEW的电喷发动机的故障分析与仿真[D]. 刘立恒. 重庆交通大学, 2011(05)
- [6]基于网络化教学的电喷发动机实训系统开发研究[J]. 郑尧军,骆美富,陈开考,谢颂京. 拖拉机与农用运输车, 2010(01)
- [7]电喷汽车发动机故障诊断技术研究[D]. 刘杰. 重庆交通大学, 2009(10)
- [8]基于模型控制的电喷发动机虚拟标定系统的研究[D]. 张树梅. 天津大学, 2008(08)
- [9]基于神经网络电喷发动机传感器故障诊断专家系统的研究[D]. 杨金玉. 长安大学, 2008(08)
- [10]基于神经网络专家系统的电喷发动机故障自诊断研究[D]. 邓日青. 重庆交通大学, 2008(10)