| 前言 | 第1-19页 |
| 第一章 控制系统的故障诊断 | 第19-23页 |
| 1．1 控制系统故障诊断概况 | 第19-20页 |
| 1．1．1 故障诊断的概念和任务 | 第19页 |
| 1．1．2 故障诊断发展情况 | 第19-20页 |
| 1．1．3 故障诊断的分类 | 第20页 |
| 1．2 典型控制系统的故障 | 第20-23页 |
| 1．2．1 控制系统故障的模型 | 第21页 |
| 1．2．2 控制系统故障的数学表示 | 第21-23页 |
| 第二章 控制系统的建模及仿真 | 第23-31页 |
| 2．1 数学模型的建立 | 第23-26页 |
| 2．1．1 控制器数学模型的建立 | 第23页 |
| 2．1．2 执行器数学模型的建立 | 第23-24页 |
| 2．1．3 被控对象数学模型的建立 | 第24-25页 |
| 2．1．4 传感器数学模型的建立 | 第25-26页 |
| 2．2 控制系统及其故障仿真 | 第26-31页 |
| 第三章 基于神经网络的控制系统的故障诊断 | 第31-60页 |
| 3．1 人工神经网络的发展 | 第31页 |
| 3．2 神经网络用于故障诊断的结构 | 第31-32页 |
| 3．3 多层前向神经网络的误差反向传播（EBP）算法 | 第32-35页 |
| 3．4 “批量”学习 | 第35-36页 |
| 3．5 样本数据及检验数据的采集 | 第36-43页 |
| 3．5．1 样本数据的采集 | 第36-39页 |
| 3．5．2 样本数据的归一化处理 | 第39页 |
| 3．5．3 检验数据的采集及归一化处理 | 第39-43页 |
| 3．6 基于BP算法的故障诊断 | 第43-48页 |
| 3．6．1 BP算法存在的缺点 | 第43-44页 |
| 3．6．2 BP算法缺陷分析 | 第44-45页 |
| 3．6．3 共轭梯度法 | 第45-46页 |
| 3．6．4 学习自率适应变化 | 第46-48页 |
| 3．7 不同参数值对训练神经网络的影响 | 第48-58页 |
| 3．7．1 初始权值的变化对训练神经网络的影响 | 第48-49页 |
| 3．7．2 学习率初始值的变化对训练神经网络的影响 | 第49-52页 |
| 3．7．3 惯性因子初始值的变化对训练神经网络的影响 | 第52-55页 |
| 3．7．4 隐含层单元数的变化对训练神经网络的影响 | 第55-58页 |
| 3．8 确定神经网络模型结构及检验 | 第58-60页 |
| 第四章 基于神经网络的故障诊断方法在油田抽油机井故障诊断中的应用 | 第60-64页 |
| 4．1 抽油机井故障简介 | 第60页 |
| 4．2 抽油机井的故障诊断 | 第60-64页 |
| 结论 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |
