| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·课题研究背景 | 第9-12页 |
| ·铝电解故障诊断简介 | 第9页 |
| ·国内外铝电解故障诊断研究现状 | 第9-12页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·本论文的主要工作 | 第13-15页 |
| 第二章 铝电解的故障诊断技术 | 第15-24页 |
| ·控制系统的故障诊断技术 | 第15-20页 |
| ·故障诊断技术概述 | 第15页 |
| ·故障诊断的主要方法 | 第15-18页 |
| ·故障诊断中的热点问题 | 第18-19页 |
| ·故障诊断技术的发展趋势 | 第19-20页 |
| ·铝电解生产过程中的常见故障与特征 | 第20-21页 |
| ·故障诊断特征量的选取 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于神经网络的阳极效应故障诊断方法研究 | 第24-32页 |
| ·神经网络与故障诊断 | 第24-26页 |
| ·神经网络应用于故障诊断的意义 | 第24-25页 |
| ·神经网络故障诊断原理 | 第25页 |
| ·神经网络故障诊断方法 | 第25-26页 |
| ·Elman 神经网络简介 | 第26-27页 |
| ·小波神经网络基础 | 第27-29页 |
| ·小波分析基础 | 第27-28页 |
| ·小波分析和神经网络的结合途径 | 第28-29页 |
| ·阳极效应发生机理 | 第29-30页 |
| ·阳极效应预报方法及存在的问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于小波Elman 神经网络阳极效应故障诊断研究 | 第32-43页 |
| ·阳极效应参数的确定 | 第32页 |
| ·基于 Elman 神经网络的阳极效应故障诊断 | 第32-34页 |
| ·基于 Elman 神经网络的阳极效应故障诊断模型的结构 | 第32-34页 |
| ·Elman 神经网络的学习算法 | 第34页 |
| ·Elman 神经网络模型的改进 | 第34-36页 |
| ·改进Elman 网络的数学模型 | 第35-36页 |
| ·改进Elman 网络的学习算法 | 第36页 |
| ·基于小波 Elman 神经网络的阳极效应故障诊断 | 第36-38页 |
| ·小波Elman 神经网络的数学模型 | 第36-37页 |
| ·小波Elman 神经网络的学习算法 | 第37-38页 |
| ·仿真研究 | 第38-42页 |
| ·阳极效应故障诊断过程分析 | 第38-39页 |
| ·仿真研究 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 基于集成小波神经网络的铝电解故障诊断研究 | 第43-59页 |
| ·基于集成小波神经网络的建模研究 | 第43-47页 |
| ·单子神经网络故障诊断的局限性 | 第43页 |
| ·基于信息融合的集成小波神经网络的基本思想 | 第43-44页 |
| ·集成小波神经网络的基本结构 | 第44页 |
| ·子神经网络的组建原则 | 第44-45页 |
| ·集成小波神经网络的实现策略 | 第45-47页 |
| ·基于集成小波神经网络的故障诊断的实现 | 第47-53页 |
| ·故障诊断系统的人机接口设计 | 第53-57页 |
| ·系统的组成和功能 | 第53-54页 |
| ·下位机硬件组成 | 第54-55页 |
| ·上位机管理软件的设计 | 第55-57页 |
| ·仿真研究 | 第57-58页 |
| ·故障诊断系统实现过程 | 第57页 |
| ·仿真实验结果 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第64-65页 |
| 致谢 | 第65-66页 |
