基于神经网络的多联机阀类故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 故障诊断方法 | 第11-12页 |
| 1.3 空调系统故障诊断研究现状 | 第12-14页 |
| 1.4 本文研究内容 | 第14-16页 |
| 2 采集实验数据及稳态处理 | 第16-27页 |
| 2.1 实验数据采集 | 第16-18页 |
| 2.2 对数据进行稳态判别 | 第18-26页 |
| 2.3 本章小结 | 第26-27页 |
| 3 多联机阀类故障复合诊断模型 | 第27-41页 |
| 3.1 利用遗传算法结合神经网络模型进行特征选择 | 第27-31页 |
| 3.2 BP神经网络算法 | 第31-37页 |
| 3.3 多联机阀类故障诊断复合模型 | 第37-39页 |
| 3.4 多联机阀类故障复合诊断模型的评价准则 | 第39页 |
| 3.5 本章小结 | 第39-41页 |
| 4 多联机阀类故障诊断模型分析 | 第41-54页 |
| 4.1 BP神经网络模型改进 | 第42-43页 |
| 4.2 BP-1模型的故障诊断结果 | 第43-46页 |
| 4.3 BP-2模型故障诊断结果 | 第46-48页 |
| 4.4 BP-3模型故障诊断结果 | 第48-52页 |
| 4.5 最优特征子集分析 | 第52页 |
| 4.6 本章小结 | 第52-54页 |
| 5 结论和展望 | 第54-56页 |
| 5.1 结论 | 第54页 |
| 5.2 研究展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 附录1 攻读学位期间发表论文情况 | 第62-63页 |
| 附录2 攻读学位期间参与项目 | 第63页 |
