一、汽车发动机智能故障诊断专家系统的开发（论文文献综述）
石砚书[1]（2019）在《基于人工智能的汽油车发动机故障诊断研究》文中研究说明汽车作为现代生活必不可少的交通工作,是衡量人们生活质量的重要参数,同时汽车运转的情况,与交通安全、甚至与生命息息相关。发动机作为汽车运行的“心脏”,是汽车运转的核心部件,同时也是汽车故障原因的主要来源,基于某合资品牌的某款车为例,在质量方面无论在短占用期还是全三包周期,维修和索赔数据在行业中处于上游水平,但是每年与发动机相关的三包花费需要一千多万人民币,三包花费占整车三包花费的70%,发动机维修比例占整车维修比例的60%,并且专业汽车质量调研机构数据显示,有20%的客户对发动机的燃油经济性、噪音和抖动、维护成本较高产生了抱怨。现阶段,汽车企业的竞争是产品和服务的竞争,汽车故障诊断水平直接影响汽车企业的质量及服务水平,与企业发展、形象紧密相连。随着科技的进步,人工智能,云计算、大数据、移动网络等技术的兴起,为汽车发动机故障诊断带来新的发展思路,智能化的故障诊断将提高诊断的准确性、可靠性、及时性。因此,针对汽车发动机建立一个智能化的故障诊断模型对车辆安全,汽车企业的发展均有重要意义。本文致力于研究基于人工智能的汽油发动机故障诊断模型。针对单一智能诊断方法的局限性,引入自动化信息化处理技术-多信息融合技术,选择符合融合模型各层的智能化算法,将信息进行组合优化,为精准挖掘发动机故障原因奠定基础。本文首先,总结、归纳、分析故障征兆与故障原因的对应关系;其次,分析多信息融合技术应用于发动机故障诊断的可行性;最后,运用人工智能技术精准刻画数据层,特征层,决策层多信息融合的诊断模型,构建基于人工智能的汽油发动机故障诊断模型。该模型包含数据层、特征层、决策层。其中釆用能处理非线性问题、有自学习能力和容错能力、可快速做出故障分类的RBF神经网络,构建数据层的融合故障诊断模型;利用适合于小样本决策、具有较强泛化能力的支持向量机SVM算法,构建特征层的融合故障诊断模型;利用在表达不确定性问题方面更有优势的DS证据理论,构建决策层的融合故障诊断模型,选取数据层或特征层的融合故障诊断结果作为证据体,选取相应的可信度函数,一定程度上改善汽油发动机故障诊断的精度。最后,根据本实验用发动机各传感器特性,设计开发模拟装置,以模拟发动机在实际运行过程中出现的故障,获取汽油发动机实时状态数据,并对基于人工智能的汽油发动机故障诊断模型展开数据层,特征层,决策层的融合诊断测试,实验验证了该故障诊断模型的精度及时效性。
杨波[2]（2019）在《内燃机高原排放质量评价及故障诊断研究》文中研究说明中国高原面积大、风景秀丽,保护生态环境是新时代高原城市高质量发展的基本要求。高原城市汽车保有量逐年增加,已经成为高原大气污染的重要来源之一。同时,内燃机为机动车辆必不可少的核心组成部分,在高原环境下故障率显着提升,尾气排放污染进一步加深,更为重要的是带来了严重的安全隐患。当前高原城市消费者对于机动车的环保性和涉及安全性的故障预警和诊断智能化要求不断提升,是未来内燃机市场竞争的热点和焦点。开展内燃机排放质量评价和故障诊断决策知识库的研究对于云内动力有限股份公司发展和高原城市环境保护以及我国抢占内燃机标准高地具有重要的现实意义和社会意义。本研究依托云内动机实验平台,从生态环境保护和产品优化设计的双视角开展基于尾气信息的内燃机高原排放质量改进以及故障诊断知识应用研究。本研究主要工作分为四个核心部分:（1）内燃机高原排放特性统计分析。小缸径内燃机在排放性和经济性上都具有显着的优势,在未来市场竞争中具有优势,是本公司未来市场重点销售型号。本研究以小缸径内燃机为研究对象,开展内燃机高原排放实验设计,统计分析故障状态下和正常状态下的尾气排放特征,分析海拔变化对于尾气排放特征的影响。（2）内燃机排放质量综合评价研究。本研究提出利用区间数度量污染等级评价指标等级属性,然后基于可能度理论测算指标客观属性权重,并融合粗糙集法确定指标主观属性权重,进而构建内燃机排放质量可变模糊集评价模型,最后采用实例数据验证本方法的科学有效性,并对比分析海拔变化的影响,探讨不同减排方案的有效性。（3）内燃机故障智能化诊断模型研究。本研究提出一种新的基于IHS-RVM的内燃机故障诊断模型。为了获得性能更优的RVM诊断模型,对和声搜索（Harmony Search,HS）算法中HMCR、PAR和BW三参数获取方法进行改进,获得改进的和声算法（Improved Harmony Search,IHS）,然后,利用IHS进行RVM超参数寻优,进而利用尾气信息构建出了一种新的基于IHS-RVM的内燃机故障诊断模型。（4）内燃机故障诊断决策知识库设计。首先设计了知识库的表达方式,根据尾气信息和运行状态关系,建立了内燃机故障诊断决策知识库的规则库、事实库和专家库,并以排放质量模型和故障诊断模型为基础设计了推理机;同时,为提升知识库解释能力,设计了维保数据字典和知识检索模块,为内燃机故障诊断决策知识库实现奠定了基础。本研究的创新点主要体现在:（1）设计了一套内燃机在变海拔多工况下高原尾气排放信息试验方案。本研究提出在试验方案选择在省内最高海拔和最低海拔落差达到6000m以上云南进行;选定了符合高原特征且具有代表性的城市作为试验点,且控制了同一海拔和状态下的因素水平,减小了试验误差;该方案解决了实验数据和实际工况数据的差异性问题,揭示了内燃机在变海拔地区的尾气排放性能及基本规律。（2）构建了面向内燃机尾气信息特征的高原排放质量评价方法和故障诊断知识库。本研究提出了基于组合权重的内燃机高原排放质量可变模糊集评价模型,交叉应用了质量管理、模糊数学、机械工程理论等多学科知识,解决了定性评价存在的不足;同时,提出了一种融合粗糙集、和声算法以及RVM方法分别在属性简约、参数寻优和学习预测方面优势的组合方法,明晰了内燃机高原故障特征与尾气信息间的映射关系,并以智能决策知识系统理论为指导,设计了内燃机故障诊断决策知识库,解决了当前故障诊断精度低、效率低的问题。
黄杰[3]（2018）在《基于智能学习的电喷汽车故障诊断与监测评估系统的研究》文中认为汽车已成为人们日常出行必备工具,在车辆运行过程中,车载设备一旦发生故障,若不能得到及时有效的维护和修理,将会对人们的出行安全造成重大隐患。如何快速诊断车载故障,保证车辆各系统正常运行意义重大。另外,伴随着无线通信技术和网络技术的发展,实时掌握车辆当前工作状态,充分利用传感器技术检测车载设备工况,利用先进分析模型和改进推理算法进行分析,实现对车载设备快速准确的故障诊断、预测、决策分析与状态评估,对提高车辆整体性能和效益附加值都具有重要现实意义。本论文研究并设计了汽车远程监测诊断和决策评估系统,以轻型汽油车为研究对象,完成了相应的汽车远程监控、故障诊断和决策评估系统的设计任务,从理论知识、硬件、网络设计、建模仿真、实验研究和系统实现等角度系统地分析并研究了远程监测故障诊断及决策评估分析系统的实现技术。综合项目实施情况,本系统为汽车检测技术提供了新的手段,有一定的理论现实意义和借鉴价值。取得主要研究成果有:（1）针对基于OSI网络模型的智能车辆远程监测诊断及决策评估系统设计总体方案与硬件模块,设计与开发了诊断通信接口装置,设计调度算法,建立CANopen协议栈。分析远程数据传输控制策略,设计服务器监测模型,实现车载控制端与远程服务端的数据交互,为后续研究建立数据基础。（2）提出了基于机器学习的故障诊断方法,结合信息化与工业化的两化融合思想对故障诊断后将采集的故障信息存储于服务器。对故障信息采集及特征提取,提出基于BNs分类器的改进推理故障诊断方法模型和基于组决策树优化的诊断分析方法模型;对决策评估进行模型融合改进,提出基于群组支持的方法模型。（3）以汽车电控汽油发动机为研究对象,对故障诊断技术进行研究。完成了汽油发动机传感器故障模拟台架,设计典型故障模拟装置;通过实验研究,对传感器故障模式下的主要数据进行监测和分析计算,并结合汽车故障诊断融合模型进行相应的科学验证,分析了典型故障对整车经济性能和排放性能的影响,得到精度好,可信度高的故障分类评估结果数据和诊断决策。（4）设计与开发了远程故障诊断与监测评估系统,对系统功能结构进行设计,并通过面向对象的设计方法对系统架构进行完善;建立诊断评估体系方法,设计了基于知识库和推理机的方案对专家知识和经验进行分析和评价;设计开发系统数据库,利用相关数据进行测试,并针对设备报警器节点和系统通信时延验证系统故障诊断的稳定性与快速准确性。
孙雪萍[4]（2017）在《非道路电控柴油机工作状态在线监测与诊断系统研究与开发》文中研究说明随着非道路电控柴油机技术含量的不断提升,其故障日益趋于综合化、复杂化,一旦发生故障得不到及时解决,必定会影响其工作状态,直接影响柴油机的正常工作。在工作时,非道路电控柴油机的使用较为频繁,传统故障诊断、故障管理和维护方式已经不能满足客户的需求。因此,我们从客户的实际需求出发,设计了该非道路电控柴油机工作状态在线监测与诊断系统。该故障诊断系统的使用可大大降低和节约非道路电控柴油机的日常维护成本,使相关专家远程掌握非道路电控柴油机的工作状态,实现非道路电控柴油机的远程故障诊断。本文基于国内外非道路电控柴油机故障诊断的先进技术,立足国内对非道路电控柴油机故障诊断的实际需求,基于CAN总线通信与GPRS远程通信技术设计了该非道路电控柴油机工作状态在线监测与诊断系统。首先,基于英飞凌芯片XC2234L,设计开发了非道路电控柴油机多功能故障诊断仪。其次,结合远程GPRS通讯模块,设计了PC机远程故障诊断服务中心。最后,集成实现了该非道路电控柴油机工作状态在线监测与诊断系统的整体研究。实际测试表明,该非道路电控柴油机故障诊断系统功能初步达到设计要求。该非道路电控柴油机故障诊断系统集远程实时数据流监测、远程故障诊断、历史故障信息管理等多项功能。改变非道路电控柴油机传统的维护模式,实现了对非道路电控柴油机的实时维护,建立了历史故障的数据库,实现了对故障信息的管理。因此,该非道路电控柴油机故障诊断系统具有一定的民用效益。
吴刚[5]（2016）在《电控发动机智能混合故障诊断系统的研究与开发》文中提出目前,电控发动机故障诊断理论和方法已成为研究的热门课题。作为先进控制技术应用的代表,发动机电控系统呈现出复杂性和多样性特点,因而依靠传统的故障诊断理论和方法很难达到预期的目的。目前电控发动机故障诊断系统所应用的故障诊断方式比较单一,故障诊断的准确度不高。研究多种故障诊断方式相结合的、准确度高的智能故障诊断系统是值得关注和支持的。本文从电控发动机的控制系统出发,研究了电控发动机的故障特点,分析了电控发动机的数据流与故障原因之间的关系,开发了基于故障代码和数据流分析的智能混合故障诊断系统。该系统综合了基于故障代码的故障诊断效率高和数据流分析的故障诊断准确度高的优点,缩短了汽车故障诊断的时间,提高了汽车维修行业的服务质量。在对电控发动机控制系统仿真分析的基础上,根据丰田卡罗拉的故障征兆表,分析了电控发动机故障征兆及故障原因,提出了电控发动机故障征兆与故障原因之间的关系模型；最后重点研究了电控发动机控制系统的数据流,研究表明：控制系统的故障原因能以数据流的形式表示。论文进行了智能混合故障诊断系统的诊断方法研究。首先分析了智能混合故障诊断系统的诊断方式,并利用实际故障征兆,研究了数据流分析的故障诊断流程,提出了分级故障诊断的原则。然后分析了神经网络的结构参数对故障诊断结果的影响,并对故障征兆进行描述,阐述了电控发动机故障征兆模糊化实质和模糊神经网络故障诊断模型。最后定义了电控发动机燃油供给系统的信息表达和邻域决策系统,分析了邻域粗糙集数据约简算法的实现过程。智能混合故障诊断系统的开发和验证。首先设计了智能混合故障诊断系统的完整组成结构,完成了故障诊断系统的功能模块设计。然后以丰田卡罗拉2ZR-FE型号的发动机为研究对象,利用Access数据库建立了故障代码查询系统的数据库,并编写了查询系统和数据流分析的故障诊断程序,利用MATLAB GUI开发了故障代码查询系统和数据流分析的故障诊断系统。最后通过实验验证,说明智能混合故障诊断系统具有实际应用的价值。
黄超[6]（2014）在《面向车联网的电控发动机故障诊断本体的应用研究》文中进行了进一步梳理近年来伴随着互联网和物联网的高速发展,车联网已成为汽车迈入智能化时代的重大标志。车联网相关技术在全球范围内的迅速发展和普及,为实现汽车发动机远程故障诊断技术提供了条件和基础。发动机是汽车的动力源,工作条件恶劣,因此故障率相对较高。而电控发动机结构更加复杂,产生的故障更加繁杂,故障诊断的难度也越来越大。但是目前汽车电控发动机故障诊断知识往往是异构的且相互之间缺乏语义关联,造成该领域没有通用的可共同理解的概念模型,知识的获取、表达、共享和复用成为困难。本体论可提供通用的可共享的领域知识模型,本文利用本体论对电控发动机远程故障诊断知识获取、表达及其本体推理进行了研究,并实现系统诊断推理功能。使不同厂家、不同使用者等在车联网的环境下,让汽车故障诊断变得简单有效。论文的主要工作体现在以下几个方面：一、本文分析了车联网、本体工程应用和电控发动机故障诊断的研究现状,制定本文的研究内容和设计路线。二、本文分析了车联网的实现条件和支撑技术,设计了车联网环境下汽车远程故障诊断系统的系统构架,并对电控发动机故障诊断设计体系的深入研究提出建设性的构想。三、本文引入本体工程理论,并对其在工程领域应用的几种方法进行了分析对比,根据电控发动机故障诊断的特点,应用改进的七步法构建了电控发动机的本体模型,获取整理了故障本体知识。对于电控发动机故障知识分布广又复杂的问题,将电控发动机故障分解定义了故障现象、故障原因、故障源、故障修理四个模块,利用本体工具Protege对获取的知识构建了语义映射关系网。四、本文利用可视化的网页编程工具Dream Weaver8.0和本体推理机等插件设计制作了电控发动机远程故障诊断本体推理网,解析本体知识模型和完成基于OWL文件的查询、推理以实现系统功能。结合电控发动机的常见故障进行了本体推理,实现了电控发动机远程故障诊断,验证了系统的可行性。
曹恺[7]（2013）在《轻型汽油车远程监测及故障诊断技术研究》文中进行了进一步梳理随着汽车排放法规的日趋严格和用户对汽车性能要求的不断提高,现代汽车企业不断增加电子控制技术的在汽车中应用来满足上述要求,这使得汽车电控系统的结构越来越复杂,诊断故障发生原因及发现故障的部位也相应的变得越来越困难。因此,本文通过对当前汽车远程监测技术和智能诊断技术的研究,提出构建汽车远程监测及故障诊断系统,并对其核心技术进行了研究。首先,针对各种车型诊断协议不兼容的问题,设计了基于车载自诊断系统扩展协议ISO14230和ISO15765的通用型汽车诊断通信接口装置。为了解决传统监测和诊断方法受地理位置限制的影响,进一步提出了基于Internet3G的汽车远程状态监测方法,通过归纳总结各类型数据在远程传输过程中的要求特征,设计了相关的传输控制策略和服务器监测模型,为后续研究奠定了数据基础。其次,研究了基于多信息融合技术的汽车故障诊断方法,构建了汽车故障融合诊断模型。该模型根据不同数据层次,分别设计了基于RBF神经网络的数据层融合诊断、基于支持向量机和主成分分析的特征层融合诊断、基于D-S证据理论的决策层融合诊断。在以冷却液温度传感器、氧传感器和进气歧管绝对压力传感器的老化失效和通断故障模拟的研究基础上,通过数据采集平台获取了车辆实时状态数据,并由汽车故障融合诊断模型进行了各层次融合诊断,验证了该诊断模型的有效性。最后,设计和构建了汽车远程监测及故障诊断系统,该系统以汽车远程监测及故障诊断中心为核心,并结合车辆诊断通信接口装置、PC和智能手机客户端共同构成。结合实际功能需求,本文对汽车远程监测及故障诊断系统的分层模式和UML架构模型进行了研究,并实现了基于多智能体的汽车远程故障融合诊断模型。同时,使用可复用思想设计了跨平台的PC和智能手机客户端程序,有效改善了当前手持式诊断方法的处理性能不高和功能不全的问题,便于实现随时随地的汽车故障诊断,并形成了一定规模的产业化应用。
王礼军[8]（2012）在《模糊神经网络专家系统在发动机故障诊断中的应用研究》文中认为电控发动机作为汽车的心脏，零部件众多，结构、线路复杂，工况恶劣，因而故障率高，故障占整车的百分之四十以上，所以研究故障诊断系统实现对发动机故障的准确、快速诊断对整个汽车行业具有重要的意义。本文针对目前国内电控发动机故障诊断所存在的问题，利用模糊逻辑、神经网络和专家系统，结合发动机故障诊断的实际情况，对电控发动机故障诊断系统的构建及其实现技术进行研究。阐述了模糊逻辑、神经网络和专家系统的基本理论知识，归纳总结电控发动机的几种典型故障，分析说明发动机故障的特点（“一果多因”和“一因多果”），设计适合于发动机故障诊断的模糊神经网络专家系统，着重研究和探讨BP神经网络核心参数的确立，模型的构建，并在此基础上建立模糊神经网络构建模糊神经网络专家系统，利用具体实例软件编程实现。将发动机故障划分为电控系统故障、点火系统故障、燃油系统故障和机械系统故障等几大类，分别建立相应的故障诊断模块。在Window XP的环境下采用VisualBasic6.0实现整个诊断系统的构建，ACCESS数据库和MATLAB神经网络作为后台程序，构建模糊神经网络专家系统结构。用Visual Basic6.0构成的人机界面，用户通过此界面与系统交互，实现数据的输入和输出，ACCESS数据库实现各种数据资料的存储，MATLAB神经网络函数实现对数据的处理和分析,在神经网络的实现上（样本集的确立、各种参数的选取、结果转换等）做了输入的探讨和研究。利用ActiveX实现VB与MATLAB的交互,ADO实现VB与ACCESS数据库的交互。研究表明该方法是可行的。本研究的工作创新之处：利用模糊逻辑能够对发动机故障征兆准确刻画和故障原因的深刻辨析；采用VB作为软件实现的方式，操作界面简单明了，亲和力强，同时便于扩充和完善，利于封装和打包，能够移植到别的计算机，能够实现诊断理论向产品化的快速转化，这也正是目前国内汽车故障诊断研究所欠缺的，适应了当前汽车发动机故障诊断的发展趋势。
刘立恒[9]（2011）在《基于LabVIEW的电喷发动机的故障分析与仿真》文中研究表明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。
张丽莉[10]（2009）在《基于信息融合的汽油发动机电控系统故障诊断方法研究》文中提出本文在广泛收集和整理分析国内外汽车故障诊断研究相关资料的基础上,对汽车故障诊断基础理论和技术方法应用现状进行了分类,并分析了不同阶段的研究重点以及各种不同方法的特点,论述了研究的主要发展趋势,以此为依据,确定了运用信息融合的相关理论和方法,研究汽油发动机电控系统故障诊断方法与技术为目的,以应用多种模式识别方法进行特征级融合诊断的研究方向,其主要内容包括：第一,在对现有的汽车故障诊断方法特点进行深入分析、研究和归纳分类的基础之上,提出未来汽车故障诊断方法和技术将会在传统方法的基础上,不断融合各种先进的技术和理论,并加强反馈系统的故障诊断,同时,在分析了信息融合理论的特点和适用条件的基础上,分析了信息融合理论应用于汽车电控系统的故障诊断的适用性；第二,研究了模式识别和信息融合的基本理论和技术,其中重点研究D-S证据理论及其关键问题的解决方法,包括证据体的基本可信度分配问题、证据的冲突问题、证据体的相关性问题以及不同识别框架下的证据组合问题。并研究基于D-S证据理论的信息融合方法应用于汽车电控系统故障诊断的理论基础,提出将各个独立的低维神经网络的输出值处理后作为辨识框架上命题的基本可信度分配,然后经过证据理论的再次融合后得到最终的诊断结果。第三,在深入研究汽油发动机电控系统及其控制原理以及相关数据流的基础上,分析传感器和执行器类间和类内故障均可分的理论依据,为实现基于类内和类间的特征级融合提供基础。第四,针对汽车电控系统特征参数的提取和选择问题,将传统方法和基于核的特征选择和提取方法相结合,并根据汽车故障诊断的参数要求,从传感器和执行器类间故障以及传感器类内故障和执行器类内故障分别提取出最优化的特征参数；第五,通过汽车电控系统的故障的诊断测试分析,验证基于信息融合的汽车电控系统故障诊断方法的有效性,并研究该方法用于汽车电控系统故障诊断的精度问题,实验证明,该方法可以在一定程度上提高识别的准确率,消除单一数据源包含信息的不全面性以及模糊性等等,从而有效提高故障诊断的精度。基于神经网络和D-S证据理论融合的汽油发动机电控故障模式识别是建立集成化和智能化汽车故障诊断的理论基础,相关理论的应用研究是提高汽车故障诊断精度的必要条件,该方法不仅是汽油发动机电控系统故障诊断智能化的有效方法,也是对汽车整个电控系统故障诊断方法的新探索,其研究将促进故障诊断智能化的发展进程。
二、汽车发动机智能故障诊断专家系统的开发（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、汽车发动机智能故障诊断专家系统的开发（论文提纲范文）
（1）基于人工智能的汽油车发动机故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.1.1 课题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究内容与结构 |
| 1.3.1 研究主要内容 |
| 1.3.2 论文结构 |
| 第2章 发动机故障分析与人工智能 |
| 2.1 汽油发动机故障诊断 |
| 2.1.1 汽油发动机及常见故障概述 |
| 2.1.2 汽油发动机典型的故障征兆 |
| 2.1.3 汽油发动机故障诊断方法 |
| 2.2 多信息融合技术基础理论 |
| 2.3 人工智能基本理论与方法 |
| 2.3.1 RBF神经网络基本理论及方法 |
| 2.3.2 SVM支持向量机基本理论及方法 |
| 2.3.3 D-S证据理论基本理论及方法 |
| 2.4 本章小结 |
| 第3章 构建基于人工智能汽油发动机故障诊断模型 |
| 3.1 汽油发动机系统常见故障的诊断 |
| 3.2 多信息融合诊断方法研究 |
| 3.2.1 可行性分析 |
| 3.2.2 构建多信息融合的故障诊断模型 |
| 3.3 基于RBF神经网络的数据层故障诊断 |
| 3.3.1 RBF数据层故障诊断模型 |
| 3.3.2 与模型相关算法-K-means聚类算法 |
| 3.4 基于支持向量机的特征层故障诊断 |
| 3.4.1 SVM特征层故障诊断模型 |
| 3.4.2 与模型相关算法-主成分分析 |
| 3.5 基于D_S证据理论的决策层故障诊断 |
| 3.5.1 D_S决策层故障诊断模型 |
| 3.5.2 决策层融合诊断 |
| 3.6 本章小结 |
| 第4章 实验与结果分析 |
| 4.1 实验环境准备 |
| 4.2 数据层的故障诊断测试及分析 |
| 4.3 特征层的故障诊断测试及分析 |
| 4.4 决策层的故障诊断测试及分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 论文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
（2）内燃机高原排放质量评价及故障诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及问题的提出 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题的提出 |
| 1.2 研究目的和研究意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 内燃机尾气高原排放特征相关研究 |
| 1.3.2 内燃机故障诊断模型及方法相关研究 |
| 1.3.3 内燃机故障诊断专家知识库系统相关研究进展 |
| 1.3.4 文献评述 |
| 1.4 研究范围的界定 |
| 1.4.1 研究对象的界定 |
| 1.4.2 试验范围的界定 |
| 1.5 研究思路、方法和技术路线 |
| 1.5.1 研究思路 |
| 1.5.2 研究方法与技术路线 |
| 1.6 研究内容和创新点 |
| 1.6.1 主要研究内容 |
| 1.6.2 创新点 |
| 第二章 基本概念和基础理论分析 |
| 2.1 基本概念简介 |
| 2.1.1 高原及其环境的基本特征 |
| 2.1.2 内燃机排放及其危害性 |
| 2.1.3 智能决策支持系统 |
| 2.2 基础理论分析 |
| 2.2.1 可持续发展理论 |
| 2.2.2 知识管理理论 |
| 第三章 内燃机高原排放信息的试验调查设计 |
| 3.1 排放信息获取试验调查设计 |
| 3.1.1 试验方案设计 |
| 3.1.2 试验设备和仪器清单 |
| 3.1.3 试验地点和工况情况 |
| 3.2 排放数据采集 |
| 3.2.1 正常状态数据收集 |
| 3.2.2 故障状态数据收集 |
| 3.3 排放信息预处理与分析方法 |
| 3.3.1 排放信息预处理 |
| 3.3.2 排放信息分析方法 |
| 3.4 本章小结 |
| 第四章 内燃机高原排放信息特征统计分析 |
| 4.1 不同状态下气体污染物排放统计分析 |
| 4.1.1 正常状态下气体污染物排放统计分析 |
| 4.1.2 故障状态下气体污染物排放统计分析 |
| 4.2 不同状态下颗粒物排放统计分析 |
| 4.2.1 正常状态下颗粒物统计分析 |
| 4.2.2 故障状态下颗粒物统计分析 |
| 4.3 海拔因素对内燃机高原排放的影响分析 |
| 4.3.1 海拔因素对正常状态下排放的影响分析 |
| 4.3.2 海拔因素对故障状态下排放的影响分析 |
| 4.4 本章小结 |
| 第五章 内燃机高原排放质量可变模糊评价研究 |
| 5.1 内燃机排放质量评价指标体系构建 |
| 5.1.1 评价指标体系构建原则 |
| 5.1.2 评价指标体系构建过程 |
| 5.1.3 评价指标维度构成及等级标准 |
| 5.2 内燃机排放质量评价模型构建 |
| 5.2.1 可变模糊集模型原理 |
| 5.2.2 可变模糊集模型的权重优化 |
| 5.2.3 基于组合权重的可变模糊评价模型构建 |
| 5.3 内燃机排放质量可变模糊评价 |
| 5.3.1 组合权重的确定 |
| 5.3.2 评价过程及结果分析 |
| 5.4 本章小结 |
| 第六章 基于排放信息的内燃机故障诊断及知识库设计研究 |
| 6.1 基于排放信息的内燃机故障诊断机理 |
| 6.1.1 气体污染物判断故障的机理 |
| 6.1.2 固体颗粒物判断故障的机理 |
| 6.2 超参数优化的内燃机故障诊断RVM模型 |
| 6.2.1 相关向量机模型原理 |
| 6.2.2 相关向量机模型的参数寻优 |
| 6.2.3 内燃机故障诊断模型构建 |
| 6.3 内燃机故障诊断模型性能评价 |
| 6.3.1 内燃机故障诊断模型性能评价指标 |
| 6.3.2 内燃机故障诊断模型性能评价 |
| 6.3.3 多种模型性能对比分析 |
| 6.4 内燃机故障诊断决策知识库设计 |
| 6.4.1 内燃机故障诊断决策知识库需求分析 |
| 6.4.2 内燃机故障诊断决策知识库总体设计 |
| 6.4.3 内燃机故障诊断决策知识库的详细设计 |
| 6.5 本章小结 |
| 第七章 研究结论与展望 |
| 7.1 研究结论 |
| 7.2 研究不足及展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（3）基于智能学习的电喷汽车故障诊断与监测评估系统的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文主要研究内容及结构 |
| 1.4 本章小结 |
| 第二章 车辆信息采集与远程实时监测技术的研究 |
| 2.1 车辆信息采集与远程监测体系架构 |
| 2.2 车辆信息采集与监测系统硬件研究 |
| 2.3 车辆信息采集与监测系统通信模式研究 |
| 2.4 远程实时监测网络的设计 |
| 2.5 本章小结 |
| 第三章 基于机器学习的故障诊断与决策模型的研究 |
| 3.1 基于BNs分类器的改进推理故障诊断方法模型 |
| 3.2 基于组决策树的故障诊断决策模型 |
| 3.3 基于群组支持的故障诊断方法模型 |
| 3.4 本章小结 |
| 第四章 故障模拟台架实验及诊断决策的研究 |
| 4.1 电控汽油发动机系统 |
| 4.2 发动机信息采集与故障模拟系统设计 |
| 4.3 故障模拟台架实验 |
| 4.4 基于决策融合的故障诊断应用 |
| 4.5 本章小结 |
| 第五章 远程故障诊断与监测评估系统的设计与开发 |
| 5.1 系统整体方案设计 |
| 5.2 远程故障诊断与决策评估系统过程研究 |
| 5.3 远程故障诊断与决策评估系统实现 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 主要研究结论 |
| 6.2 本文创新点 |
| 6.3 展望 |
| 致谢 |
| 作者简介 |
| 参考文献 |
（4）非道路电控柴油机工作状态在线监测与诊断系统研究与开发（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题背景 |
| 1.1.1 能源危机与排放控制形势 |
| 1.1.2 非道路电控柴油机的发展趋势 |
| 1.1.3 非道路电控柴油机远程故障诊断的必要性 |
| 1.2 非道路电控柴油机故障诊断技术发展现状 |
| 1.2.1 非道路电控柴油机故障诊断技术的国内外研究现状 |
| 1.2.2 非道路电控柴油机故障诊断技术的发展趋势 |
| 1.3 本论文的主要工作 |
| 第二章 非道路电控柴油机在线监测与诊断系统方案设计 |
| 2.1 系统预期目标 |
| 2.1.1 主要技术规范 |
| 2.1.2 预期经济价值 |
| 2.2 该非道路电控柴油机故障诊断系统总体结构 |
| 2.2.1 非道路电控柴油机多功能故障诊断仪 |
| 2.2.2 远程故障诊断服务中心 |
| 2.3 该非道路电控柴油机故障诊断系统技术路线及进度 |
| 2.3.1 主要技术路线 |
| 2.3.2 组织方式 |
| 2.3.3 课题分解及进度 |
| 2.4 本课题的关键技术和亮点 |
| 2.4.1 关键技术 |
| 2.4.2 主要亮点 |
| 2.5 相关技术 |
| 2.5.1 CAN总线技术 |
| 2.5.2 OBD故障诊断技术 |
| 2.5.3 GPRS技术 |
| 2.6 本章小结 |
| 第三章 非道路电控柴油机多功能故障诊断仪设计 |
| 3.1 非道路电控柴油机多功能故障诊断仪整体设计 |
| 3.1.1 功能要求与系统结构 |
| 3.1.2 微处理器选型 |
| 3.1.3 有线通讯模块选型 |
| 3.1.4 无线通讯模块选型 |
| 3.2 非道路电控柴油机故障诊断仪信息采集硬件模块 |
| 3.2.1 电源模块硬件设计 |
| 3.2.2 MCU模块硬件设计 |
| 3.2.3 CAN总线模块硬件设计 |
| 3.2.4 GPRS模块硬件设计 |
| 3.3 非道路电控柴油机多功能故障诊断仪功能设计 |
| 3.3.1 系统总体设计 |
| 3.3.2 系统通信协议设计 |
| 3.3.3 底层软件开发 |
| 3.3.4 非道路电控柴油机故障诊断仪软件设计 |
| 3.4 本章小结 |
| 第四章 远程故障诊断服务中心设计 |
| 4.1 远程故障诊断服务中心的系统架构 |
| 4.2 远程故障诊断服务中心的软件结构 |
| 4.3 远程故障诊断服务中心数据库设计 |
| 4.3.1 数据库的选择 |
| 4.3.2 数据库相关知识 |
| 4.3.3 故障诊断表单设计 |
| 4.4 本章小结 |
| 第五章 系统测试 |
| 5.1 系统硬件测试 |
| 5.2 软件功能测试 |
| 5.2.1 数据采集功能模块测试 |
| 5.2.2 GPRS无线网络功能模块测试 |
| 5.3 系统整体功能现场测试 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 |
| 致谢 |
（5）电控发动机智能混合故障诊断系统的研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 课题研究的目的及意义 |
| 1.4 课题研究的主要内容 |
| 1.5 本章小结 |
| 第二章 电控发动机控制系统的研究 |
| 2.1 电控发动机控制系统的仿真分析 |
| 2.1.1 进气系统子模型 |
| 2.1.2 燃油系统子模型 |
| 2.1.3 动力输出系统子模型 |
| 2.1.4 仿真分析 |
| 2.2 电控发动机控制系统的故障分析 |
| 2.2.1 电控发动机的典型故障征兆及故障原因 |
| 2.2.2 电控发动机的故障特征分析 |
| 2.3 电控发动机控制系统的数据流分析 |
| 2.4 本章小结 |
| 第三章 智能混合故障诊断系统的诊断方法研究 |
| 3.1 智能混合故障诊断系统的诊断方式 |
| 3.1.1 基于故障代码的故障诊断 |
| 3.1.2 基于数据流分析的故障诊断 |
| 3.2 基于数据流分析的故障诊断系统结构 |
| 3.2.1 单层故障诊断 |
| 3.2.2 双层故障诊断 |
| 3.2.3 三层故障诊断 |
| 3.3 智能混合故障诊断系统的诊断模型 |
| 3.3.1 一级故障诊断系统的故障诊断模型设计 |
| 3.3.2 二级故障诊断系统的故障诊断模型设计 |
| 3.3.3 三级故障诊断系统的故障诊断模型设计 |
| 3.4 本章小结 |
| 第四章 智能混合故障诊断系统的总体设计 |
| 4.1 智能混合故障诊断系统的组成结构 |
| 4.1.1 智能混合故障诊断系统的组成 |
| 4.1.2 智能混合故障诊断系统的建模 |
| 4.2 智能混合故障诊断系统的功能模块设计 |
| 4.2.1 故障代码查询系统的功能设计 |
| 4.2.2 基于数据流分析的故障诊断系统的功能设计 |
| 4.3 本章小结 |
| 第五章 智能混合故障诊断系统的开发 |
| 5.1 系统开发软件的选择 |
| 5.2 故障代码查询系统的开发 |
| 5.2.1 数据库的建立 |
| 5.2.2 数据库的查询 |
| 5.2.3 查询功能的实现 |
| 5.3 一级故障诊断系统的开发 |
| 5.3.1 一级故障样本搜集系统的开发 |
| 5.3.2 一级故障诊断网络的建立及训练 |
| 5.4 二级故障诊断系统的开发 |
| 5.4.1 实验数据的获取及预处理 |
| 5.4.2 数据约简的实现 |
| 5.4.3 数据约简的结果分析 |
| 5.4.4 二级故障样本搜集系统的开发 |
| 5.4.5 二级故障诊断网络的建立及训练 |
| 5.5 三级故障诊断系统的开发 |
| 5.5.1 三级故障样本搜集系统的开发 |
| 5.5.2 三级故障诊断网络的建立及训练 |
| 5.6 本章小结 |
| 第六章 智能混合故障诊断系统的验证 |
| 6.1 系统验证的实验平台 |
| 6.2 故障代码查询系统的验证 |
| 6.3 基于数据流分析的故障诊断系统的验证 |
| 6.3.1 一级故障诊断系统的验证 |
| 6.3.2 二级故障诊断系统的验证 |
| 6.3.3 三级故障诊断系统的验证 |
| 6.4 智能混合故障诊断系统的封装 |
| 6.4.1 MATLAB Compiler技术的研究 |
| 6.4.2 智能混合故障诊断系统的移植 |
| 6.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间发表的论文及申请的专利 |
| 致谢 |
| 附录 |
| 附录A 数据采集表 |
| 附录B 数据处理表 |
| 附录C 智能混合故障诊断系统关键程序 |
（6）面向车联网的电控发动机故障诊断本体的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| CONTENTS |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 背景及意义 |
| 1.3 本论文研究对象的现状 |
| 1.3.1 车联网技术 |
| 1.3.2 本体论工程应用 |
| 1.3.3 电控发动机故障诊断技术 |
| 1.4 论文技术路线与章节安排 |
| 1.4.1 研究任务及目标 |
| 1.4.2 技术路线 |
| 1.4.3 章节安排 |
| 第二章 车联网环境下的汽车远程故障诊断构架 |
| 2.1 车联网概述 |
| 2.2 汽车远程故障诊断系统的构架设计 |
| 2.2.1 汽车远程故障诊断的意义 |
| 2.2.2 汽车远程故障诊断系统的逻辑结构 |
| 2.2.3 汽车远程故障诊断系统的硬件框架 |
| 2.3 本章小结 |
| 第三章 电控发动机诊断本体的理论基础 |
| 3.1 本体论概述 |
| 3.1.1 本体的概念 |
| 3.1.2 本体建模原语 |
| 3.1.3 本体的构建原则 |
| 3.2 本体的开发方法 |
| 3.2.1 基本方法 |
| 3.2.2 改进的七步法 |
| 3.3 本体的描述语言 |
| 3.3.1 本体的描述语言 |
| 3.3.2 本体描述逻辑 |
| 3.4 本体建模工具 |
| 3.5 本章小结 |
| 第四章 电控发动机诊断本体的构建与表达 |
| 4.1 电控发动机故障本体构建流程 |
| 4.2 电控发动机故障诊断知识的获取 |
| 4.2.1 故障知识的收集与整理 |
| 4.2.2 故障知识分析 |
| 4.2.3 故障常用词汇 |
| 4.3 电控发动机故障诊断本体的构建 |
| 4.3.1 故障本体中类的构建 |
| 4.3.2 故障本体中类的关系 |
| 4.3.3 故障本体的构建 |
| 4.4 电控发动机故障诊断本体的表达 |
| 4.5 本章小结 |
| 第五章 电控发动机故障本体远程诊断的开发与实现 |
| 5.1 车联网环境下的汽车远程故障诊断系统构架 |
| 5.2 车联网应用界面的开发 |
| 5.2.1 系统开发过程 |
| 5.2.2 人机交互开发工具 |
| 5.2.3 各种插件与工具 |
| 5.3 电控发动机远程故障诊断本体的应用实例 |
| 5.4 本章小结 |
| 总结及展望 |
| 论文总结 |
| 研究展望 |
| 参考文献 |
| 攻读学位期间发表的论文 |
| 致谢 |
（7）轻型汽油车远程监测及故障诊断技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 基于OBD的汽车诊断方法研究现状 |
| 1.3 汽车智能诊断方法研究现状 |
| 1.4 汽车远程监测及诊断方法研究现状 |
| 1.5 主要研究内容及结构 |
| 第2章 汽车远程状态监测技术研究 |
| 2.1 车载自诊断系统研究 |
| 2.2 诊断通信接口装置 |
| 2.3 远程监测方法研究 |
| 2.4 本章小结 |
| 第3章 基于多信息融合的故障诊断模型 |
| 3.1 多信息融合诊断方法研究 |
| 3.2 基于径向基函数神经网络的数据层故障诊断 |
| 3.3 基于支持向量机的特征层故障诊断 |
| 3.4 基于D-S证据理论的决策层故障诊断 |
| 3.5 本章小结 |
| 第4章 故障模拟及多信息融合诊断方法研究 |
| 4.1 故障模拟装置设计与开发 |
| 4.2 传感器故障模拟分析 |
| 4.3 基于多信息融合的故障诊断 |
| 4.4 本章小结 |
| 第5章 汽车远程监测及故障诊断系统 |
| 5.1 系统架构分析与设计 |
| 5.2 基于多智能体的诊断系统研究 |
| 5.3 专家监测及诊断方法研究 |
| 5.4 本章小结 |
| 第6章 总结及展望 |
| 6.1 全文总结 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间学术成果 |
| 学术论文 |
| 发明专利 |
| 软件着作权 |
（8）模糊神经网络专家系统在发动机故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 本研究工作的背景和意义 |
| 1.2 汽车发动机故障诊断系统的发展状况和趋势 |
| 1.2.1 国外研究状况 |
| 1.2.2 国内研究状况 |
| 1.2.3 未来发展趋势 |
| 1.3 本课题的研究内容 |
| 1.3.1 研究的主要内容 |
| 1.3.2 研究的重难点 |
| 第二章 本论文所运用的理论与方法 |
| 2.1 神经网络的基本理论和方法 |
| 2.1.1 人工神经网络的基本理论 |
| 2.1.2 人工神经网络的结构和工作原理 |
| 2.1.3 BP 神经网络的基本原理及其学习算法 |
| 2.2 模糊逻辑的基本理论 |
| 2.2.1 模糊逻辑的基本概念 |
| 2.2.2 模糊逻辑推理 |
| 2.3 专家系统的基本理论 |
| 2.3.1 专家系统概述及特点 |
| 2.3.2 专家系统的结构 |
| 2.3.3 专家系统的开发过程 |
| 2.4 本章小结 |
| 第三章 模糊神经网络专家系统的构建 |
| 3.1 模糊神经网络的构建 |
| 3.1.1 神经网络与模糊逻辑的比对 |
| 3.1.2 模糊神经网络的建立 |
| 3.2 神经网络与专家系统的构建 |
| 3.2.1 神经网络与专家系统的比对 |
| 3.2.2 神经网络专家系统的构建 |
| 3.3 模糊神经网络专家系统的建立 |
| 3.4 本章小结 |
| 第四章 电控发动机的故障和故障诊断系统的构建 |
| 4.1 电控发动机的故障 |
| 4.1.1 电控发动机典型故障的故障征兆 |
| 4.1.2 典型故障征兆的状态特征参数 |
| 4.2 模糊逻辑对发动机故障诊断的运用 |
| 4.3 故障诊断系统分析方法的选取 |
| 4.3.1 分析方法的选取 |
| 4.3.2 分析方法的仿真实验 |
| 4.4 模糊神经网络结构的建立 |
| 4.5 电控发动机故障诊断系统的构建 |
| 4.6 本章小结 |
| 第五章 模糊神经网络专家系统的软件设计 |
| 5.1 构建发动机故障诊断的模糊神经网络模型 |
| 5.1.1 故障征兆－故障模式样本集的设计 |
| 5.1.2 网络的设计和训练 |
| 5.1.3 结果的转换 |
| 5.2 接口的编程与实现 |
| 5.2.1 MATLAB 与 Visual Basic 的交互实现 |
| 5.2.2 Visual Basic 与 Access 数据库的交互实现 |
| 5.3 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 研究展望 |
| 致谢 |
| 参考文献 |
| 在学期间发表的论着及取得的科研成果 |
（9）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 |
（10）基于信息融合的汽油发动机电控系统故障诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 汽车故障诊断方法概述 |
| 1.1.1 人工经验及仪表设备诊断法 |
| 1.1.2 自诊断方法 |
| 1.1.3 专家系统诊断法 |
| 1.1.4 基于模式识别的汽车故障诊断方法 |
| 1.2 融合理论的发展与应用 |
| 1.2.1 起源与发展 |
| 1.2.2 在汽车故障诊断中应用的问题 |
| 1.3 课题研究的目的和意义 |
| 1.4 论文的主要研究内容 |
| 2 模式识别与信息融合基本理论 |
| 2.1 模式识别 |
| 2.1.1 模式识别的基本概念 |
| 2.1.2 模式识别的主要研究内容 |
| 2.1.3 模式识别的主要方法 |
| 2.2 基于神经网络的模式识别 |
| 2.2.1 神经网络的拓扑结构与识别过程 |
| 2.2.2 几种典型的神经网络模式识别 |
| 2.3 信息融合的基本理论 |
| 2.3.1 基本概念及算法分类 |
| 2.3.2 融合技术的结构和层次性 |
| 2.4 基于D-S证据理论的信息融合 |
| 2.4.1 D-S证据理论的基本概念 |
| 2.4.2 关键技术及其解决方法 |
| 2.5 神经网络和D-S证据理论融合的理论基础 |
| 2.6 本章小结 |
| 3 汽车电控汽油发动机自诊断原理及数据流检测与分析 |
| 3.1 汽油发动机电控系统及其控制原理 |
| 3.1.1 汽油发动机的电控系统 |
| 3.1.2 电控汽油发动机控制系统主要器件 |
| 3.1.3 电控发动机运行工况及其控制原理 |
| 3.2 汽车电控发动机的故障自诊断 |
| 3.2.1 故障自诊断模式及相关信号 |
| 3.2.2 故障自诊断原理 |
| 3.3 系统试验平台的构建 |
| 3.3.1 检测仪器 |
| 3.3.2 检测系统 |
| 3.3.3 检测内容 |
| 3.4 电控汽油发动机故障诊断数据流分析 |
| 3.4.1 检测数据—数据流 |
| 3.4.2 故障分析方法 |
| 3.4.3 传感器故障数据流分析 |
| 3.4.4 执行器故障数据流分析 |
| 3.4.5 两类故障数据流对比分析 |
| 3.5 本章小结 |
| 4 电控汽油发动机故障特征选择与提取方法及其应用 |
| 4.1 特征选择与提取简介 |
| 4.1.1 特征评判标准 |
| 4.1.2 特征选择的一般原则 |
| 4.2 特征提取与选择的主要方法 |
| 4.2.1 基于K-L变换的特征提取(主成分分析PCA) |
| 4.2.2 基于核的特征选择与提取 |
| 4.2.3 两种方法对比分析 |
| 4.3 汽车电控发动机故障诊断参数的提取与选择 |
| 4.3.1 汽车电控发动机故障征兆及其技术状态特征 |
| 4.3.2 汽车电控发动机故障诊断参数的特征选择与提取方法 |
| 4.4 本章小结 |
| 5 电控汽油发动机故障融合诊断结果分析 |
| 5.1 诊断流程 |
| 5.2 传感器类和执行器类的类间故障融合诊断 |
| 5.2.1 基于神经网络的传感器和执行器类间故障初级诊断 |
| 5.2.2 基于D-S证据理论的传感器和执行器类间故障融合诊断 |
| 5.3 传感器类内故障融合诊断 |
| 5.3.1 基于神经网路的传感器类内故障初级诊断 |
| 5.3.2 基于D-S证据理论的传感器类内故障融合诊断 |
| 5.4 执行器类内故障融合诊断 |
| 5.4.1 基于神经网络的执行器类内故障初级诊断 |
| 5.4.2 基于D-S证据理论的执行器类内故障融合诊断 |
| 5.5 融合结果分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录A |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 个人简历 |
四、汽车发动机智能故障诊断专家系统的开发（论文参考文献）
- [1]基于人工智能的汽油车发动机故障诊断研究[D]. 石砚书. 吉林大学, 2019(03)
- [2]内燃机高原排放质量评价及故障诊断研究[D]. 杨波. 昆明理工大学, 2019(06)
- [3]基于智能学习的电喷汽车故障诊断与监测评估系统的研究[D]. 黄杰. 中国农业大学, 2018(12)
- [4]非道路电控柴油机工作状态在线监测与诊断系统研究与开发[D]. 孙雪萍. 上海工程技术大学, 2017(03)
- [5]电控发动机智能混合故障诊断系统的研究与开发[D]. 吴刚. 广东工业大学, 2016(01)
- [6]面向车联网的电控发动机故障诊断本体的应用研究[D]. 黄超. 广东工业大学, 2014(10)
- [7]轻型汽油车远程监测及故障诊断技术研究[D]. 曹恺. 武汉理工大学, 2013(06)
- [8]模糊神经网络专家系统在发动机故障诊断中的应用研究[D]. 王礼军. 重庆交通大学, 2012(04)
- [9]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)
- [10]基于信息融合的汽油发动机电控系统故障诊断方法研究[D]. 张丽莉. 东北林业大学, 2009(05)