| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文选题背景 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 针对阀门的故障诊断 | 第11-12页 |
| 1.2.2 基于神经网络的诊断方法 | 第12-13页 |
| 1.3 论文的主要工作包括 | 第13-14页 |
| 1.4 论文预期结果 | 第14-15页 |
| 第2章 人工智能故障诊断方法研究 | 第15-23页 |
| 2.1 专家系统故障诊断方法 | 第15-17页 |
| 2.1.1 专家系统的简介 | 第15页 |
| 2.1.2 专家系统的组成 | 第15-16页 |
| 2.1.3 专家系统的知识获取 | 第16-17页 |
| 2.2 灰色理论故障诊断方法 | 第17页 |
| 2.3 模糊理论故障诊断方法 | 第17-18页 |
| 2.4 人工神经网络故障诊断方法 | 第18-20页 |
| 2.4.1 人工神经网络的简介 | 第18-19页 |
| 2.4.2 人工神经网络的组成 | 第19页 |
| 2.4.3 人工神经网络的具体实现 | 第19-20页 |
| 2.5 故障诊断方法优缺点比较 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 针对电液伺服阀和安全阀的故障机理研究 | 第23-45页 |
| 3.1 电液伺服阀在核电系统中的作用 | 第23-24页 |
| 3.2 电液伺服阀的组成与分类 | 第24-25页 |
| 3.3 力反馈两级电液伺服阀 | 第25-27页 |
| 3.3.1 力反馈两级电液伺服阀的结构 | 第25-26页 |
| 3.3.2 力反馈两级电液伺服阀的工作原理 | 第26-27页 |
| 3.4 电液伺服阀的特性 | 第27-31页 |
| 3.4.1 电液伺服阀的静态特性 | 第27-31页 |
| 3.4.2 电液伺服阀的动态特性 | 第31页 |
| 3.5 电液伺服阀的主要故障及其机理研究 | 第31-37页 |
| 3.5.1 电液伺服阀的主要故障 | 第31-34页 |
| 3.5.2 电液伺服阀故障机理的研究 | 第34-37页 |
| 3.6 安全阀的组成 | 第37-38页 |
| 3.6.1 安全阀的功能及安全要求 | 第37-38页 |
| 3.6.2 安全阀的分类 | 第38页 |
| 3.7 先导式安全阀 | 第38-41页 |
| 3.7.1 先导式安全阀的结构 | 第38-39页 |
| 3.7.2 先导式安全阀的工作原理 | 第39页 |
| 3.7.3 先导式安全阀的特性研究 | 第39-41页 |
| 3.8 先导式安全阀的故障特征和故障机理 | 第41-43页 |
| 3.9 本章小结 | 第43-45页 |
| 第4章 针对电液伺服阀和安全阀的故障诊断研究 | 第45-65页 |
| 4.1 电液伺服阀的故障样本提取原理 | 第45-46页 |
| 4.2 BP 神经网络在电液伺服阀的故障诊断中的应用 | 第46-54页 |
| 4.2.1 BP 神经网络算法概述 | 第46-47页 |
| 4.2.2 BP 网络输入输出层设计 | 第47-54页 |
| 4.3 RBF 神经网络对电液伺服阀的故障诊断 | 第54-56页 |
| 4.3.1 RBF 神经网络算法概述 | 第54页 |
| 4.3.2 RBF 网络输入输出层设计 | 第54-56页 |
| 4.4 ELMAN 神经网络对电液伺服阀的故障诊断 | 第56-59页 |
| 4.4.1 Elman 神经网络算法概述 | 第56-57页 |
| 4.4.2 Elman 网络输入输出层设计 | 第57-59页 |
| 4.5 三种神经网络的比较 | 第59-61页 |
| 4.6 针对先导式安全阀的故障诊断的研究 | 第61-63页 |
| 4.7 本章小结 | 第63-65页 |
| 结论 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71页 |