基于神经网络的船舶柴油机远程故障诊断研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第1章 绪论 | 第9-12页 |
| ·课题的研究背景 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·本文的主要研究内容 | 第11-12页 |
| 第2章 国内外研究现状 | 第12-17页 |
| ·远程故障诊断的发展与研究现状 | 第12-13页 |
| ·柴油机故障诊断技术研究现状 | 第13-17页 |
| ·柴油机故障诊断技术的发展和研究现状 | 第13-15页 |
| ·神经网络技术在柴油机故障诊断中的应用和现状 | 第15-17页 |
| 第3章 船舶远程监控与故障诊断技术 | 第17-43页 |
| ·远程故障诊断技术 | 第17-24页 |
| ·远程监控与故障诊断技术概述 | 第17-19页 |
| ·远程故障诊断的基础技术 | 第19-20页 |
| ·远程故障诊断系统基本组成 | 第20-21页 |
| ·远程故障诊断系统功能结构 | 第21-24页 |
| ·船舶远程故障诊断系统 | 第24-27页 |
| ·船舶远洋及货物运输在线监控 | 第24-25页 |
| ·船舶柴油机远程故障诊断框架结构 | 第25-27页 |
| ·船舶远程柴油机故障诊断系统的关键技术 | 第27-42页 |
| ·网络环境下的信号采集 | 第27-28页 |
| ·数据处理与报警 | 第28-31页 |
| ·参数数据包的传递 | 第31-33页 |
| ·数据库系统设计 | 第33-35页 |
| ·网络体系结构选择 | 第35-39页 |
| ·网络通讯方案和船岸通讯技术 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 基于神经网络的船舶柴油机故障诊断分析 | 第43-61页 |
| ·人工神经网络的发展和基本原理 | 第43-45页 |
| ·人工神经网络的发展概要 | 第43-44页 |
| ·人工神经网络的特点和基本原理 | 第44-45页 |
| ·径向基函数神经网络 | 第45-49页 |
| ·径向基函数神经网络原理 | 第45-46页 |
| ·RBF神经网络的结构 | 第46-48页 |
| ·RBF神经网络的学习和训练 | 第48-49页 |
| ·船舶柴油机故障诊断策略 | 第49-52页 |
| ·船舶柴油机诊断策略 | 第49-51页 |
| ·基于神经网络的故障诊断 | 第51-52页 |
| ·基于神经网络的故障诊断流程框图 | 第52页 |
| ·MATLAB环境的船舶柴油机故障诊断程序 | 第52-60页 |
| ·MATLAB程序与工具箱系统主要特点 | 第52-53页 |
| ·基于MATLAB环境的故障诊断程序 | 第53-56页 |
| ·RBF神经网络的设计 | 第56-59页 |
| ·网络输入变量归一化处理 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第5章 柴油机涡轮增压系统的故障诊断实例 | 第61-80页 |
| ·废气涡轮增系统 | 第61-62页 |
| ·废气涡轮增压系统主要故障及其影响 | 第62-65页 |
| ·基于RBF神经网络的涡轮增压系统的故障诊断 | 第65-76页 |
| ·输入、输出向量的确定及数据样本集的设计 | 第65-71页 |
| ·网络输出处理 | 第71页 |
| ·网络结构的确定及训练 | 第71-73页 |
| ·网络的测试 | 第73-76页 |
| ·远程故障诊断实例与界面 | 第76-77页 |
| ·RBF网络与BP网络的比较 | 第77-79页 |
| ·本章小结 | 第79-80页 |
| 第6章 总结与展望 | 第80-82页 |
| ·文章总结 | 第80-81页 |
| ·文章展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86页 |
