基于神经网络的管道失效模式诊断方法研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11页 |
| ·管道失效模式诊断研究综述 | 第11-14页 |
| ·国内外研究现状 | 第11-12页 |
| ·管道失效模式诊断常用方法 | 第12-13页 |
| ·管道失效模式分析 | 第13页 |
| ·现有方法存在的缺点及研究难点 | 第13-14页 |
| ·基于神经网络的智能诊断 | 第14-17页 |
| ·神经网络的基本特征 | 第14-15页 |
| ·基于神经网络的智能诊断的形成 | 第15页 |
| ·人工神经网络的故障诊断能力 | 第15-16页 |
| ·人工神经网络用于故障诊断的结构 | 第16页 |
| ·基于神经网络的智能诊断方法 | 第16-17页 |
| ·论文主要研究内容 | 第17-19页 |
| 第二章 基于多层前馈神经网络的管道失效模式识别 | 第19-29页 |
| ·多层前馈神经网络模型 | 第19-22页 |
| ·网络拓扑结构 | 第19页 |
| ·BP 学习算法 | 第19-21页 |
| ·BP 学习算法改进 | 第21-22页 |
| ·网络结构参数分析 | 第22-24页 |
| ·隐层数的分析 | 第22页 |
| ·隐层节点数的分析 | 第22-23页 |
| ·隐层节点数的确定 | 第23-24页 |
| ·在管道失效模式识别中的应用 | 第24-27页 |
| ·网络学习及诊断结果 | 第24-26页 |
| ·网络适应性分析 | 第26-27页 |
| ·本章小结 | 第27-29页 |
| 第三章 基于模糊神经网络的管道腐蚀失效模式诊断 | 第29-44页 |
| ·模糊逻辑系统 | 第29-31页 |
| ·模糊规则库 | 第29-30页 |
| ·模糊推理机 | 第30页 |
| ·模糊产生器和反模糊化器 | 第30-31页 |
| ·模糊系统与神经网络的融合 | 第31页 |
| ·正则化模糊神经网络 | 第31-35页 |
| ·模糊规则描述 | 第31-32页 |
| ·网络拓扑结构 | 第32-34页 |
| ·网络参数确定方法 | 第34-35页 |
| ·加权模糊推理网络 | 第35-40页 |
| ·加权模糊逻辑推理 | 第35-36页 |
| ·模糊推理元 | 第36页 |
| ·模糊推理网络模型 | 第36-37页 |
| ·网络训练过程 | 第37-40页 |
| ·在管道腐蚀失效模式诊断中的应用 | 第40-43页 |
| ·学习样本筛选 | 第40-41页 |
| ·实际资料处理 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 基于过程神经网络的管道腐蚀速率预测方法 | 第44-53页 |
| ·径向基函数神经网络 | 第44-45页 |
| ·过程神经元网络 | 第45-47页 |
| ·离散过程神经元 | 第45-46页 |
| ·离散过程神经元网络 | 第46-47页 |
| ·径向基过程神经网络 | 第47-49页 |
| ·径向基过程神经元 | 第47-48页 |
| ·径向基过程神经网络模型 | 第48页 |
| ·学习算法 | 第48-49页 |
| ·在管道腐蚀速率预测中的应用 | 第49-52页 |
| ·特征参数选择及处理 | 第50-51页 |
| ·网络学习及预测结果 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 过程支持向量回归机及其应用 | 第53-63页 |
| ·支持向量回归机 | 第53-58页 |
| ·支持向量机基本思想 | 第53-54页 |
| ·支持向量回归机 | 第54-58页 |
| ·过程支持向量回归机 | 第58-60页 |
| ·PSVR 模型 | 第58-59页 |
| ·PSVR 的求解 | 第59页 |
| ·PSVR 参数对预测函数性能的影响 | 第59-60页 |
| ·PSVR 参数的确定 | 第60页 |
| ·仿真实验 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 发表文章目录 | 第68-69页 |
| 致谢 | 第69-70页 |
| 详细摘要 | 第70-76页 |
