基于智能控制算法的水泥回转窑故障诊断研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 故障诊断的国内外研究现状 | 第11-12页 |
| 1.3 故障诊断的方法和存在的问题 | 第12-14页 |
| 1.4 论文章节安排与主要研究内容 | 第14-15页 |
| 第2章 故障诊断算法理论研究 | 第15-25页 |
| 2.1 BP神经网络相关基础知识 | 第15-19页 |
| 2.1.1 BP神经网络的结构与原理 | 第15-19页 |
| 2.1.2 基于BP神经网络的故障诊断研究 | 第19页 |
| 2.2 遗传算法相关基础知识 | 第19-22页 |
| 2.3 粒子群算法相关基础知识 | 第22-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第3章 基于改进遗传算法的神经网络优化算法研究 | 第25-36页 |
| 3.1 遗传算法的改进原理 | 第25-29页 |
| 3.1.1 编码和适应度函数选择 | 第25-26页 |
| 3.1.2 改进遗传算法操作 | 第26-29页 |
| 3.2 IGA-BP算法的具体步骤 | 第29-30页 |
| 3.3 改进遗传算法对神经网络的影响 | 第30-31页 |
| 3.4 改进算法的仿真实验 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 水泥回转窑故障诊断模型的建立 | 第36-53页 |
| 4.1 水泥回转窑的煅烧工艺及其参数分析 | 第36-38页 |
| 4.2 基于IGA-BP算法的水泥回转窑故障诊断 | 第38-46页 |
| 4.2.1 水泥回转窑数据的选取 | 第39-41页 |
| 4.2.2 建立水泥回转窑BP神经网络 | 第41-46页 |
| 4.3 基于PSO-BP算法的水泥回转窑故障诊断 | 第46-51页 |
| 4.4 两种水泥回转窑故障诊断模型的对比 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第59-60页 |
| 致谢 | 第60页 |
