基于人工神经网络的旋转机械故障诊断专家系统
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·选题背景 | 第11页 |
| ·课题的发展水平及研究现状 | 第11-14页 |
| ·机械设备故障诊断的研究现状 | 第11-12页 |
| ·专家系统在设备故障诊断中的应用 | 第12-14页 |
| ·专家系统的开发工具 | 第14-16页 |
| ·论文的主要内容及其组织结构 | 第16-18页 |
| ·研究目标 | 第16页 |
| ·主要内容 | 第16-18页 |
| 第2章 旋转机械故障诊断基本理论 | 第18-32页 |
| ·旋转机械故障类型和故障特征 | 第18-21页 |
| ·转子不平衡故障 | 第18-19页 |
| ·转子不对中故障 | 第19页 |
| ·转子摩擦故障 | 第19页 |
| ·轴承故障 | 第19-20页 |
| ·浮动密封故障 | 第20页 |
| ·齿轮箱故障 | 第20-21页 |
| ·旋转机械特征信号分析与提取 | 第21-26页 |
| ·傅里叶变换 | 第22-23页 |
| ·功率谱分析 | 第23-24页 |
| ·Gabor变换 | 第24页 |
| ·短时傅里叶变换 | 第24-25页 |
| ·小波变换 | 第25-26页 |
| ·全息谱分析 | 第26页 |
| ·矢量谱分析 | 第26页 |
| ·矢量谱理论基础 | 第26-29页 |
| ·转子运动矢量融合能量谱 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于矢量谱的人工神经网络故障诊断研究 | 第32-47页 |
| ·基于布尔矩阵的系统故障诊断模型 | 第32-35页 |
| ·模糊聚类分析 | 第35-36页 |
| ·人工神经网络故障诊断 | 第36-46页 |
| ·神经网络的基本组成 | 第36-37页 |
| ·BP学习算法及其改进方法 | 第37-41页 |
| ·BP神经网络故障诊断的方法与步骤 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于CLIPS的专家系统及其工作原理 | 第47-71页 |
| ·专家系统概述 | 第47-49页 |
| ·专家系统的概念 | 第47页 |
| ·专家系统的结构及工作过程 | 第47-49页 |
| ·专家系统的知识表示 | 第49-54页 |
| ·产生式表示法 | 第50-52页 |
| ·框架表示法 | 第52页 |
| ·基于人工神经网络的知识的表示 | 第52-54页 |
| ·专家系统的诊断推理 | 第54-56页 |
| ·基于规则的诊断推理 | 第54-55页 |
| ·基于模型的诊断推理 | 第55页 |
| ·基于案例的诊断推理 | 第55-56页 |
| ·基于神经网络的诊断推理 | 第56页 |
| ·CLIPS推理结构与语法构成 | 第56-60页 |
| ·CLIPS的基本组成与推理结构 | 第56-57页 |
| ·CLIPS语法构成 | 第57-59页 |
| ·Rete模式匹配算法 | 第59-60页 |
| ·基于CLIPS的旋转机械故障诊断专家系统开发 | 第60-62页 |
| ·基于CLIPS和VC++、JAVA的混合编程 | 第62-70页 |
| ·直接嵌入式混合编程 | 第63页 |
| ·动态链接库dll方式嵌入 | 第63-65页 |
| ·基于CLIPS和Java混合编程 | 第65-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 旋转机械故障诊断专家系统的开发与实现 | 第71-81页 |
| ·多级行星齿轮箱故障诊断专家系统的总体结构 | 第71-77页 |
| ·齿轮故障诊断机理 | 第71-73页 |
| ·多级行星齿轮减速箱特征参数获取及诊断 | 第73-77页 |
| ·多级行星齿轮减速器故障诊断专家系统的实现 | 第77-80页 |
| ·本章小结 | 第80-81页 |
| 第6章 全文总结与展望 | 第81-83页 |
| ·全文总结 | 第81-82页 |
| ·研究展望 | 第82-83页 |
| 参考文献 | 第83-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间发表的论文及参与的科研项目 | 第87-88页 |
