船舶发电机智能故障诊断系统的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-17页 |
| ·课题研究的目的和实用意义 | 第13页 |
| ·发电机故障诊断技术的国内外现状及发展趋势 | 第13-15页 |
| ·课题研究的内容和方法 | 第15-17页 |
| 第2章 船舶发电机智能故障诊断理论及技术 | 第17-30页 |
| ·船舶发电机结构及工作原理 | 第17-19页 |
| ·船舶发电机结构 | 第17-18页 |
| ·船舶发电机工作原理 | 第18-19页 |
| ·船舶发电机的常见故障 | 第19-20页 |
| ·故障检测方法 | 第20-21页 |
| ·船舶发电机转子偏心故障监测方法和故障分析 | 第21-26页 |
| ·转子偏心特征频率 | 第22-24页 |
| ·转子偏心故障分析 | 第24-26页 |
| ·船舶发电机智能故障诊断技术 | 第26-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 人工神经网络理论与蚁群算法 | 第30-44页 |
| ·人工神经网络的基础 | 第30-34页 |
| ·人工神经网络的数学模型 | 第30-32页 |
| ·人工神经网络的学习方式 | 第32-33页 |
| ·人工神经网络的特点 | 第33-34页 |
| ·BP 算法和BP 神经网络 | 第34-38页 |
| ·BP 算法的数学描述 | 第34-37页 |
| ·BP 算法的若干改进 | 第37-38页 |
| ·BP 网络的局限性 | 第38页 |
| ·蚁群优化算法 | 第38-43页 |
| ·蚂蚁的信息系统 | 第38-39页 |
| ·蚂蚁优化算法的原理分析 | 第39-41页 |
| ·蚁群优化算法的模型 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 蚁群神经网络在船舶发电机故障诊断中的应用 | 第44-57页 |
| ·蚁群神经网络的训练 | 第44-46页 |
| ·基于蚁群神经网络船舶发电机故障诊断 | 第46-51页 |
| ·神经网络的学习样本 | 第46-48页 |
| ·网络层数及隐含节点个数 | 第48-49页 |
| ·蚁群智能优化算法的参数设置 | 第49-51页 |
| ·船舶发电机转子偏心故障的诊断实例 | 第51-56页 |
| ·本章小结 | 第56-57页 |
| 第5章 船舶发电机智能故障诊断子系统的设计与实现 | 第57-69页 |
| ·系统的开发环境和系统硬件构成 | 第57-58页 |
| ·软件的设计 | 第58-64页 |
| ·数据采集模块 | 第59-61页 |
| ·故障诊断模块 | 第61-63页 |
| ·蚁群神经网络模型的参数设置模块 | 第63-64页 |
| ·数据查询模块 | 第64页 |
| ·系统实现的关键技术 | 第64-68页 |
| ·VC++与MATLAB 接口的交互 | 第64-65页 |
| ·Matlab 接口的介绍 | 第65-66页 |
| ·配置编译器 | 第66页 |
| ·引擎API | 第66-68页 |
| ·本章小结 | 第68-69页 |
| 结论与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的学术论文 | 第74页 |
