| 摘要 | 第3-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第15-23页 |
| 1.1 课题背景及研究意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文研究的主要内容 | 第19-20页 |
| 1.4 本文的内容安排 | 第20-23页 |
| 第二章 相关理论概述 | 第23-37页 |
| 2.1 人工神经网络 | 第23-28页 |
| 2.1.1 人工神经网络概述 | 第23-25页 |
| 2.1.2 人工神经网络的特点 | 第25-26页 |
| 2.1.3 人工神经网络拓补结构 | 第26-28页 |
| 2.2 概率神经网络 | 第28-31页 |
| 2.2.1 概率神经网络简介 | 第28-30页 |
| 2.2.2 概率神经网络与BP神经网络的比较 | 第30-31页 |
| 2.3 粒子群算法 | 第31-35页 |
| 2.3.1 算法简介 | 第31-33页 |
| 2.3.2 算法的基本流程 | 第33-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 电梯故障数据的提取 | 第37-47页 |
| 3.1 电梯的基本结构及常见的故障 | 第37-41页 |
| 3.1.1 电梯的基本结构 | 第37-39页 |
| 3.1.2 电梯的常见故障 | 第39-41页 |
| 3.2 电梯故障数据提取 | 第41-45页 |
| 3.2.1 输入数据的采集 | 第41-42页 |
| 3.2.2 输入数据的获取 | 第42-43页 |
| 3.2.3 输入数据的处理 | 第43-44页 |
| 3.2.4 本文电梯故障诊断的流程 | 第44-45页 |
| 3.3 本章小结 | 第45-47页 |
| 第四章 改进粒子群算法研究及其仿真实验 | 第47-59页 |
| 4.1 引言 | 第47页 |
| 4.2 经典粒子群算法与其他算法的比较 | 第47-51页 |
| 4.2.1 粒子群算法与遗传算法的比较 | 第47-49页 |
| 4.2.2 粒子群算法与果蝇算法的比较 | 第49-51页 |
| 4.3 粒子群算法常见的改进策略 | 第51-53页 |
| 4.3.1 线性权重递减的粒子群算法(LDWPSO) | 第51-52页 |
| 4.3.2 非线性权重递减的粒子群算法[59] | 第52-53页 |
| 4.4 本文对粒子群算法的改进策略 | 第53页 |
| 4.5 仿真研究 | 第53-57页 |
| 4.5.1 改进粒子群算法优化BP神经网络 | 第54-55页 |
| 4.5.2 仿真测试 | 第55-57页 |
| 4.6 本章小结 | 第57-59页 |
| 第五章 电梯故障诊断的实现 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 概率神经网络的优化 | 第59-62页 |
| 5.2.1 粒子群算法的参数设置 | 第59-60页 |
| 5.2.2 改进粒子群算法优化概率神经网络 | 第60-62页 |
| 5.3 仿真研究 | 第62-67页 |
| 5.3.1 输入与输出数据 | 第62-63页 |
| 5.3.2 模型的参数设置 | 第63页 |
| 5.3.3 仿真结果及比较 | 第63-66页 |
| 5.3.4 结果分析 | 第66-67页 |
| 5.4 本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-73页 |
| 6.1 总结 | 第69-70页 |
| 6.2 展望 | 第70-73页 |
| 参考文献 | 第73-81页 |
| 致谢 | 第81-85页 |
| 攻读硕士学位期间发表的学术论文 | 第85页 |