《内燃机工程研究新方法》求取 ⇩

第一章绪论1

1.1模糊数学、灰色方法与神经网络理论简介1

1.1.1 模糊数学1

1.1.2 灰色系统理论2

1.1.3 人工神经网络理论3

1.2 内燃机工程中的模糊和灰色现象及处理5

第二章内燃机工作状况的模糊分析14

2.1内燃机故障诊断的模糊集方法14

2.1.1 模糊综合评判方法15

2.1.2 模糊关系矩阵法19

2.1.3 模糊逻辑与计算机辅助诊断23

2.2 内燃机技术状况的模糊聚类判断24

2.2.1 问题的提出24

2.2.2 数学描述25

2.2.3 实例与分析26

2.3内燃机可靠性的模糊故障树分析方法30

2.3.1 问题的提出30

2.3.2 模糊故障树分析方法的基本理论31

2.3.3 内燃机可靠性的模糊故障树分析34

2.4基于模糊可靠性的柴油机系统工作状况评估39

2.4.1 问题的提出39

2.4.2 系统工作状况评估模型40

2.4.3 示例与讨论43

2.5内燃机故障诊断的模糊逻辑法47

2.5.1 问题的提出47

2.5.2 模糊诊断模型47

2.5.3 实例与分析50

第三章内燃机工作过程的模糊控制与优化54

3.1内燃机喷油系统的模糊电子控制56

3.1.1 模糊电子控制喷油系统的设计56

3.1.2 模糊怠速控制器的设计58

3.1.3 结论60

3.2柴油机最高爆发压力的模糊控制61

3.2.1 模糊控制模型61

3.3.2 试验研究65

3.3柴油机供油提前角的模糊优化66

3.3.1 模糊优化模型66

3.3.2 计算实例及分析68

3.4增压柴油机高工况放气的模糊控制73

3.4.1 模糊控制器设计74

3.4.2 试验研究及结论75

第四章内燃机及其增压系统的评估和优选78

4.1内燃机性能的模糊评估方法79

4.1.1 比较和评估原则79

4.1.2 比较和评估模型81

4.1.3 示例86

4.2内燃机性能评估的模糊线性回归方法90

4.2.1 模糊线性回归模型90

4.2.2 内燃机性能评估模型91

4.2.3 示例与分析93

4.3柴油机涡轮增压系统方案的比较与优选98

4.3.1 问题的描述98

4.3.2 比较与优选模型99

4.3.3 应用示例101

4.4系统方案评估与优选的模糊关联度方法105

4.4.1 问题的提出105

4.4.2 模糊关联度评估和优选模型106

4.4.3 应用实例——柴油机涡轮增压方案优选113

4.4.4 应用实例——内燃机性能的模糊关联度评估114

第五章内燃机零部件的模糊优化和分析119

5.1基本概念119

5.1.1 目标函数的模糊化处理119

5.1.2 约束条件的模糊化处理120

5.1.3 设计人员经验的描述121

5.1.4 权重的确定122

5.2模糊优化设计问题的数学模型122

5.2.1 数学模型122

5.2.2 算例——发动机气门弹簧的模糊优化设计124

5.3基于可靠性分析的模糊优化设计模型128

5.3.1 问题的提出128

5.3.2 优化设计模型128

5.3.3 计算示例与分析131

5.4多工况多目标模糊优化设计模型133

5.4.1 问题的提出133

5.4.2 多工况多目标模糊优化模型133

5.4.3 计算示例与分析135

5.5柴油机曲轴主轴承模糊随机优化设计137

5.5.1 变载滑动轴承的随机性和模糊性137

5.5.2 模糊随机优化数学模型139

5.5.3 计算实例与分析146

5.6气缸套结构分析的软化边界模型149

5.6.1 问题的提出149

5.6.2 软化边界模型及处理方法150

5.6.3 算例与讨论153

第六章内燃机工程中的灰色分析方法159

6.1灰色预测方法的应用159

6.1.1 方法简述159

6.1.2 实例——增压柴油机的高原功率修正161

6.1.3 实例——小型径流式压气机特性的高原规律预测163

6.1.4 实例——增压柴油机高原性能循环模拟灰色预测168

6.2内燃机工作过程故障的灰色诊断171

6.2.1 问题的提出171

6.2.2 灰色关联度诊断方法171

6.2.3 实验研究与分析172

6.3内燃机工作过程故障的改进灰色诊断方法177

6.3.1 问题的提出177

6.3.2 灰色关联度改进模型177

6.3.3 实验分析与结论180

6.4灰色ABO型故障诊断与模糊诊断方法的比较184

6.4.1 问题的提出184

6.4.2 灰色诊断与模糊诊断方法比较184

6.4.3 诊断实例与分析186

第七章神经网络理论在内燃机工程中的应用191

7.1内燃机性能曲线的神经网络处理191

7.1.1 工程背景191

7.1.2 用BP网络处理性能曲线192

7.1.3 应用举例及结论196

7.2发动机使用工况的神经网络分析197

7.2.1 问题的提出197

7.2.2 神经网络分析模型198

7.2.3 应用实例200

7.3神经网络用于内燃机故障诊断的方法203

7.3.1 故障树分析法203

7.3.2 内燃机系统故障的基本定义204

7.3.3 神经网络诊断模型205

7.3.4 用神经网络定义内燃机系统故障206

7.3.5 故障分析方法与步骤207

7.4柴油机燃油系统故障诊断的神经网络方法210

7.4.1 问题的提出210

7.4.2 神经网络模型211

7.4.3 实例与结论213

7.5柴油机气缸活塞组密封状况判断研究217

7.5.1 问题的提出217

7.5.2 气缸活塞组密封状况判断问题的描述217

7.5.3 气缸活塞组密封状况的神经网络判断模型220

7.5.4 模拟实验研究和结果分析225

参考文献231