基于KPCA-RPROP的大型复杂机电系统智能预警
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·本课题研究的背景和意义 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·智能预警研究现状 | 第10-12页 |
| ·涂装线研究现状 | 第12-13页 |
| ·KPCA-RPROP在故障智能预警中的应用 | 第13-15页 |
| ·KPCA的发展及应用 | 第13-14页 |
| ·RPROP的发展及应用 | 第14-15页 |
| ·论文研究内容 | 第15-16页 |
| ·本章小结 | 第16-18页 |
| 第2章 汽车涂装线工艺设备及故障分析 | 第18-38页 |
| ·汽车涂装线生产工艺 | 第18-20页 |
| ·前处理系统工艺流程及故障分析 | 第20-26页 |
| ·前处理系统的工艺流程 | 第20-22页 |
| ·前处理系统故障分析 | 第22-25页 |
| ·前处理系统数据采集 | 第25-26页 |
| ·电泳系统工艺流程及故障分析 | 第26-31页 |
| ·电泳系统工艺流程 | 第26-29页 |
| ·电泳系统故障分析 | 第29-30页 |
| ·电泳系统数据采集 | 第30-31页 |
| ·烘房及喷漆系统工艺流程及故障分析 | 第31-35页 |
| ·烘房喷漆系统的工艺流程 | 第31-33页 |
| ·烘房系统的故障分析 | 第33-35页 |
| ·烘房系统的数据采集 | 第35页 |
| ·本章小结 | 第35-38页 |
| 第3章 基于核主成分分析法的故障特征提取 | 第38-52页 |
| ·核方法简介 | 第38-41页 |
| ·基于核的主成分分析方法 | 第41-44页 |
| ·核主成分分析法的基本思路 | 第41-42页 |
| ·核主成分分析法的几何原理 | 第42-44页 |
| ·核主成分分析方法的基本算法 | 第44-46页 |
| ·核主成分分析算法步骤 | 第44页 |
| ·核主成分分析的特性 | 第44-45页 |
| ·基于核主成分分析的改进 | 第45-46页 |
| ·实例分析 | 第46-51页 |
| ·汽车涂装线烘房系统结构分析 | 第46-47页 |
| ·基于KPCA的数据处理 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 基于可拓RPROP神经网络的智能预警 | 第52-68页 |
| ·神经网络基本理论概述 | 第52-56页 |
| ·神经网络模型 | 第52-53页 |
| ·神经网络的拓扑分类 | 第53-55页 |
| ·神经网络的学习算法分类 | 第55-56页 |
| ·基于RPROP算法的神经网络 | 第56-61页 |
| ·RPROP算法的基本原理 | 第56-58页 |
| ·RPROP算法的实施步骤 | 第58-61页 |
| ·基于可拓神经网络的智能预警 | 第61-66页 |
| ·可拓理论简介 | 第61-63页 |
| ·基于可拓关联函数改进的智能预警方法 | 第63-64页 |
| ·基于KPCA-RPROP的智能预警模型 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 第5章 涂装线智能预警仿真及原型系统开发 | 第68-82页 |
| ·引言 | 第68页 |
| ·涂装线智能预警仿真 | 第68-76页 |
| ·烘房系统故障分析 | 第68-70页 |
| ·烘房系统智能预警仿真 | 第70-74页 |
| ·烘房系统仿真试验小结 | 第74-76页 |
| ·涂装线智能预警原型系统开发 | 第76-80页 |
| ·系统开发 | 第76-77页 |
| ·系统功能模块介绍 | 第77-80页 |
| ·本章小结 | 第80-82页 |
| 第6章 结论与展望 | 第82-84页 |
| ·结论 | 第82-83页 |
| ·展望 | 第83-84页 |
| 附录 | 第84-88页 |
| 参考文献 | 第88-92页 |
| 致谢 | 第92-94页 |
| 攻读学位期间参加的科研项目和成果 | 第94页 |
