| 1 绪论 | 第1-17页 |
| ·本课题研究的目的和意义 | 第10-11页 |
| ·暖通空调系统状态监测与故障诊断国内外研究现状 | 第11-14页 |
| ·设备状态监测与故障诊断技术历史回顾 | 第11-12页 |
| ·状态监测与故障诊断在制冷领域国内外研究状况 | 第12-14页 |
| ·故障诊断方法 | 第14-15页 |
| ·本文研究的主要内容和技术路线 | 第15-16页 |
| ·研究的内容 | 第15-16页 |
| ·技术路线 | 第16页 |
| ·小结 | 第16-17页 |
| 2 制冷系统故障树分析 | 第17-29页 |
| ·制冷系统工作原理 | 第17-19页 |
| ·故障树分析法 | 第19-20页 |
| ·故障树分析方法简介 | 第19页 |
| ·故障树构建 | 第19-20页 |
| ·制冷系统故障树的构建 | 第20-25页 |
| ·机组不启动 | 第21-22页 |
| ·机组频繁起停 | 第22-25页 |
| ·故障调查与分析 | 第25-28页 |
| ·故障概率调查方法 | 第26页 |
| ·故障概率与修复费用分析 | 第26-28页 |
| ·小结 | 第28-29页 |
| 3 制冷系统常见软故障与征兆关系 | 第29-34页 |
| ·制冷系统故障诊断的特征 | 第29-30页 |
| ·制冷系统运行参数的选取应考虑的问题 | 第30-31页 |
| ·制冷系统常见的故障及原因 | 第31-33页 |
| ·制冷设备故障汇总 | 第31-32页 |
| ·制冷系统七种常见故障现象、具体原因及特征参数选取 | 第32-33页 |
| ·小结 | 第33-34页 |
| 4. 基于灰色系统制冷机组故障预测模型建立 | 第34-46页 |
| ·前言 | 第34页 |
| ·灰色系统理论简介 | 第34-35页 |
| ·灰色系统引出 | 第34-35页 |
| ·灰色系统理论常用到的几个基本概念 | 第35页 |
| ·灰色系统预测 | 第35-41页 |
| ·灰色预测理论 | 第35-37页 |
| ·动态等维灰数递补灰色机组特性参数预测模型 | 第37-41页 |
| ·制冷机组故障特性参数预测与分析 | 第41-45页 |
| ·小结 | 第45-46页 |
| 5. 制冷系统故障灰色诊断方法及其应用 | 第46-56页 |
| ·概述 | 第46页 |
| ·制冷系统故障灰色诊断分析方法 | 第46-55页 |
| ·构造标准故障模式向量，建立诊断用的标准 | 第46-47页 |
| ·特征参数处理—无量纲化 | 第47-48页 |
| ·关联系数计算 | 第48-54页 |
| ·关联度 | 第54-55页 |
| ·小结 | 第55-56页 |
| 6. 用人工神经网络实现制冷系统故障诊断 | 第56-72页 |
| ·人工神经网络 | 第56-57页 |
| ·人工神经网络概述 | 第56页 |
| ·神经网络的特点 | 第56-57页 |
| ·BP 网络 | 第57-59页 |
| ·BP 网络结构 | 第57-58页 |
| ·BP 网络的学习算法 | 第58-59页 |
| ·BP 神经网络故障诊断策略 | 第59页 |
| ·诊断策略 | 第59页 |
| ·BP 故障诊断流程框图 | 第59页 |
| ·软件环境 | 第59-60页 |
| ·基于BP 神经网络制冷系统故障诊断 | 第60-69页 |
| ·数据预处理 | 第60-61页 |
| ·神经网络训练样本集 | 第61页 |
| ·网络训练参数选取 | 第61-69页 |
| ·试验验证 | 第69-71页 |
| ·对标准故障样本集仿真输出验证 | 第69页 |
| ·用训练神经网络故障识别 | 第69-71页 |
| ·本章小结 | 第71-72页 |
| 7 结论 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 附录 | 第78-79页 |
| 详细摘要 | 第79-90页 |