| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·设备故障诊断技术概述 | 第10-14页 |
| ·故障诊断的主要方法 | 第10-12页 |
| ·故障诊断技术的国内外研究现状 | 第12-14页 |
| ·故障诊断专家系统 | 第14-16页 |
| ·故障诊断专家系统的组成 | 第15-16页 |
| ·故障诊断专家系统的主要特点 | 第16页 |
| ·神经网络方法 | 第16-18页 |
| ·神经网络原理简介 | 第16-17页 |
| ·神经网络故障诊断方法的特点 | 第17-18页 |
| 第2章 滑片式压缩机故障与实验平台的搭建 | 第18-28页 |
| ·滑片式压缩机故障分析 | 第18-22页 |
| ·电机与控制部分故障 | 第18-19页 |
| ·常见零部件的故障 | 第19页 |
| ·由于不良装配所产生的故障 | 第19-20页 |
| ·压缩机在运行过程中产生的故障 | 第20-22页 |
| ·滑片式压缩机实验平台的搭建 | 第22-28页 |
| ·滑片式压缩机的工作原理 | 第22-23页 |
| ·滑片式压缩机的结构 | 第23-24页 |
| ·滑片式压缩机的主要性能数据的确定 | 第24-25页 |
| ·滑片式压缩机性能数据的采集 | 第25-28页 |
| 第3章 压缩机故障知识的获取与表达 | 第28-38页 |
| ·压缩机故障全局数据库的建立 | 第28-31页 |
| ·压缩机故障表的建立 | 第28-29页 |
| ·压缩机症状表的建立 | 第29-31页 |
| ·压缩机故障知识表示与规则库的建立 | 第31-34页 |
| ·故障知识的表示 | 第31-33页 |
| ·产生式系统的基本结构与规则库的建立 | 第33-34页 |
| ·知识的获取 | 第34-38页 |
| ·知识的获取方法 | 第35页 |
| ·专家系统中知识的获取过程 | 第35-38页 |
| 第4章 与/或型推理与模糊推理 | 第38-44页 |
| ·压缩机故障的与/或型推理 | 第38-39页 |
| ·与/或正向推理 | 第38页 |
| ·与/或反向推理 | 第38-39页 |
| ·与/或双向推理 | 第39页 |
| ·模糊推理 | 第39-44页 |
| ·模糊故障诊断的原理 | 第40-41页 |
| ·模糊诊断的原则 | 第41-42页 |
| ·诊断矩阵的确定 | 第42-44页 |
| 第5章 人工神经网络及其在滑片式压缩机故障诊断中的应用 | 第44-64页 |
| ·人工神经网络的基本概念和模型 | 第44-45页 |
| ·人工神经网络的分类 | 第45-47页 |
| ·人工神经网络常用的学习规则 | 第47-50页 |
| ·人工神经网络学习方法分类 | 第47-48页 |
| ·δ学习规则 | 第48-50页 |
| ·前馈神经网络与BP算法 | 第50-56页 |
| ·前馈神经网络模型 | 第50-51页 |
| ·BP算法的数学推导 | 第51-56页 |
| ·提高训练速度的方法 | 第56页 |
| ·滑片式压缩机神经网络系统的构建 | 第56-64页 |
| ·滑片式压缩机故障样本的提取与数据库的建立 | 第56-58页 |
| ·神经网络的系统设计 | 第58-64页 |
| 第6章 滑片式压缩机故障诊断系统的实现 | 第64-76页 |
| ·程序结构与数据库 | 第64-67页 |
| ·系统的功能分析 | 第64-65页 |
| ·程序的结构设计 | 第65-66页 |
| ·数据库的功能分析 | 第66-67页 |
| ·滑片式压缩机故障诊断专家系统软件的编制 | 第67-76页 |
| ·基于ADO的数据库知识的操作 | 第68页 |
| ·登陆模块的设计 | 第68-69页 |
| ·主程序界面的设计 | 第69-70页 |
| ·数据库管理模块的设计 | 第70页 |
| ·故障诊断模块的设计 | 第70-73页 |
| ·系统学习模块的设计 | 第73-74页 |
| ·用户管理模块的设计 | 第74-76页 |
| 第7章 结论 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |