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