| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景和意义 | 第10-11页 |
| 1.2 故障预警技术概述 | 第11-14页 |
| 1.2.1 故障预警技术的产生和发展 | 第11-12页 |
| 1.2.2 故障预警技术的现状和发展趋势 | 第12-14页 |
| 1.3 论文研究的意义和主要内容 | 第14-16页 |
| 第2章 乳化器故障分析 | 第16-28页 |
| 2.1 乳化炸药生产工艺流程 | 第16-19页 |
| 2.1.1 乳化工艺 | 第17-19页 |
| 2.1.2 敏化工艺 | 第19页 |
| 2.1.3 装药包装工艺 | 第19页 |
| 2.2 乳化器故障影响因素 | 第19-24页 |
| 2.2.1 乳化器机械故障分析 | 第19-21页 |
| 2.2.2 乳化工艺角度分析 | 第21-22页 |
| 2.2.3 乳化器故障树模型 | 第22-24页 |
| 2.3 乳化器故障预警系统设计方案 | 第24-27页 |
| 2.3.1 现有的乳化器安全运行措施 | 第24-25页 |
| 2.3.2 乳化器故障预警系统设计方案 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第3章 基于遗传算法优化BP神经网络的故障预警方法 | 第28-45页 |
| 3.1 预测技术在故障预警中的应用 | 第28-29页 |
| 3.1.1 基于可靠性的预测方法 | 第28页 |
| 3.1.2 基于失效物理模型的预测方法 | 第28-29页 |
| 3.1.3 基于数据驱动的预测方法 | 第29页 |
| 3.2 人工神经网络 | 第29-32页 |
| 3.2.1 神经网络概述 | 第29页 |
| 3.2.2 神经元模型 | 第29-30页 |
| 3.2.3 神经网络模型分类 | 第30-32页 |
| 3.2.4 神经网络的学习方法 | 第32页 |
| 3.3 BP神经网络 | 第32-38页 |
| 3.3.1 BP神经网络结构 | 第32-33页 |
| 3.3.2 BP神经网络学习规则 | 第33-37页 |
| 3.3.3 BP神经网络在实际应用中存在的问题 | 第37-38页 |
| 3.4 遗传算法 | 第38-42页 |
| 3.4.1 遗传算法概述 | 第38-40页 |
| 3.4.2 遗传算法优化BP神经网络 | 第40-42页 |
| 3.5 遗传算法和BP神经网络实现乳化器故障预警的基本流程 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 乳化器故障预警模型的建立及仿真实例 | 第45-52页 |
| 4.1 建模变量的选取 | 第45-46页 |
| 4.2 数据预处理 | 第46页 |
| 4.3 乳化器故障预警模型的建立 | 第46-50页 |
| 4.4 预警模型有效性验证 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第5章 乳化器故障预警系统的设计 | 第52-63页 |
| 5.1 硬件设计 | 第52-56页 |
| 5.1.1 传感器选型 | 第52-54页 |
| 5.1.2 变送器选型 | 第54-55页 |
| 5.1.3 可编程序控制器选型 | 第55-56页 |
| 5.2 系统的软件设计与实现 | 第56-62页 |
| 5.2.1 软件系统整体设计 | 第56页 |
| 5.2.2 组态王与数据库的连接 | 第56-57页 |
| 5.2.3 VB故障预警软件的实现 | 第57-59页 |
| 5.2.4 组态王与VB间的动态数据交换 | 第59-62页 |
| 5.3 本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| 6.1 全文总结 | 第63-64页 |
| 6.2 研究展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录一 作者在读期间发表的学术论文及参加的科研项目 | 第69页 |
| 附录二 部分训练数据 | 第69-77页 |
