| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题的研究背景 | 第11-12页 |
| ·课题的研究意义 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 第二章 国、内外的研究现状 | 第14-18页 |
| ·远程故障诊断的研究现状 | 第14-15页 |
| ·人工神经网络应用于故障诊断技术研究现状 | 第15页 |
| ·冷藏集装箱的监测系统的现状 | 第15-18页 |
| 第三章 基于神经网络的远程故障诊断方法 | 第18-59页 |
| ·神经网络 | 第18-28页 |
| ·人工神经网络的构成 | 第18页 |
| ·神经元的结构模型 | 第18-19页 |
| ·人工神经网络的学习机制 | 第19-21页 |
| ·神经网络的信息表达能力 | 第21-22页 |
| ·基于 BP算法的神经网络模型 | 第22-26页 |
| ·BP神经网络的改进 | 第26-27页 |
| ·BP算法程序流程图和算法步骤 | 第27-28页 |
| ·远程故障诊断技术 | 第28-45页 |
| ·远程故障诊断技术概述 | 第28-30页 |
| ·远程故障诊断技术发展历程 | 第30页 |
| ·远程故障诊断技术的优点 | 第30-31页 |
| ·远程故障诊断的关键问题和基础技术 | 第31-33页 |
| ·远程故障诊断的关键问题 | 第31-32页 |
| ·远程故障诊断的基础技术 | 第32-33页 |
| ·远程故障诊断系统的总体框架 | 第33-36页 |
| ·远程故障诊断系统基本组成 | 第33-34页 |
| ·远程故障诊断系统总体结构 | 第34-35页 |
| ·故障诊断系统的硬件结构 | 第35-36页 |
| ·远程故障诊断系统功能结构 | 第36-43页 |
| ·系统的逻辑结构 | 第36-37页 |
| ·系统的功能结构 | 第37-43页 |
| ·网络通讯技术与数据传输技术 | 第43-44页 |
| ·基本的数据传输技术 | 第43页 |
| ·Internet接入技术 | 第43-44页 |
| ·远程故障诊断系统网络体系结构 | 第44-45页 |
| ·基于客户机/服务器模式 | 第44页 |
| ·基于浏览器/服务器模式 | 第44-45页 |
| ·可连接对象和连接点机制的基本原理 | 第45页 |
| ·船舶冷藏集装箱故障远程监控、预警及诊断系统的体系结构 | 第45-59页 |
| ·冷藏集装箱故远程故障监测、诊断系统概述 | 第45-46页 |
| ·冷藏集装箱制冷系统故障的特征 | 第46-47页 |
| ·运行参数分析 | 第47-50页 |
| ·故障监测与诊断特征参数的选取 | 第50-52页 |
| ·故障监测与诊断特征参数的选取原则 | 第50-51页 |
| ·特征参数的确定 | 第51-52页 |
| ·参数的处理办法 | 第52-53页 |
| ·通讯方案 | 第53-57页 |
| ·通讯方案的对比 | 第53-56页 |
| ·通讯方案的选择 | 第56-57页 |
| ·冷藏集装箱远程故障监测、预报及诊断系统的基本框架 | 第57-59页 |
| 第四章 故障知识库的建立 | 第59-83页 |
| ·船舶冷藏集装箱制冷系统及故障调查与分析 | 第59-70页 |
| ·船舶冷藏集装箱的分类 | 第59页 |
| ·机械内置式冷藏集装箱 | 第59-61页 |
| ·蒸气压缩式冷藏集装箱制冷系统 | 第61-62页 |
| ·船舶冷藏集装箱制冷系统的故障调查与分析 | 第62-64页 |
| ·往复式压缩机的故障研究和分析 | 第64-70页 |
| ·压缩机的热力性能故障模式及机理 | 第65-67页 |
| ·压缩机机械功能故障模式及机理 | 第67-68页 |
| ·故障树分析法的应用 | 第68-70页 |
| ·船舶冷藏集装箱故障样本的采集及故障知识库的建立 | 第70-83页 |
| ·上海海事大学冷藏集装箱试验平台 | 第70-73页 |
| ·试验方案 | 第73-74页 |
| ·故障样本的选取 | 第73页 |
| ·制冷装置运行参数的选择 | 第73-74页 |
| ·试验数据 | 第74-76页 |
| ·试验数据分析 | 第76页 |
| ·数据归一化处理及故障诊断参数范例集 | 第76-78页 |
| ·船舶冷藏集装箱制冷系统故障库的建立 | 第78-83页 |
| 第五章 系统软件的实现 | 第83-93页 |
| ·组态王简介 | 第83-86页 |
| ·组态软件功能简介 | 第83-84页 |
| ·国产组态软件组态王简介 | 第84-86页 |
| ·软件的实现 | 第86-93页 |
| ·系统主界面 | 第86-87页 |
| ·神经网络训练界面 | 第87-90页 |
| ·参数监测界面 | 第90-91页 |
| ·故障预警界面 | 第91页 |
| ·故障诊断分析界面 | 第91-93页 |
| 结论和展望 | 第93-95页 |
| 1 结论 | 第93页 |
| 2 展望 | 第93-95页 |
| 致谢 | 第95-96页 |
| 参考文献 | 第96-98页 |