| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 .研究背景及意义 | 第10-11页 |
| 1.2 .灰色系统理论 | 第11-12页 |
| 1.2.1 .不确定系统的研究 | 第11-12页 |
| 1.2.2 .灰色系统的基本概念 | 第12页 |
| 1.3 .BP神经网络 | 第12-14页 |
| 1.3.1 .BP神经网络的原理 | 第12-13页 |
| 1.3.2 .人工神经网络的特点 | 第13页 |
| 1.3.3 .BP网络的局限性 | 第13-14页 |
| 1.4 .课题的提出及意义 | 第14-17页 |
| 1.4.1 .课题的提出 | 第14-15页 |
| 1.4.2 .课题的意义 | 第15页 |
| 1.4.3 .课题研究的主要内容及其框架 | 第15-17页 |
| 第2章 基于灰色系统理论的阀体装配质量评估 | 第17-26页 |
| 2.1 .阀体装配质量分析 | 第17-18页 |
| 2.2 .灰色系统理论评估现状 | 第18-19页 |
| 2.3 .关联度计算 | 第19-21页 |
| 2.4 .阀体装配质量灰色评估分析 | 第21-25页 |
| 2.4.1 球阀的装配过程 | 第21-23页 |
| 2.4.2 .搜索数据、建立评估因素集 | 第23页 |
| 2.4.3 .阀体装配质量数据的量纲一化处理 | 第23-24页 |
| 2.4.4 .阀体各影响因素的关联度系数 | 第24页 |
| 2.4.5 .绝对关联度、相对关联度、综合关联度 | 第24-25页 |
| 2.4.6 .结果分析 | 第25页 |
| 2.5 .小结 | 第25-26页 |
| 第3章 基于BP神经网络的阀体故障诊断 | 第26-37页 |
| 3.1 .阀体BP神经网络的故障诊断概述 | 第26页 |
| 3.2 .神经网络的发展现状 | 第26-28页 |
| 3.3 .BP神经网络原理及其算法推导过程 | 第28-29页 |
| 3.4 .基于BP神经网络故障诊断的建模原理 | 第29-31页 |
| 3.4.1 .输入节点与输出节点的设置 | 第29-30页 |
| 3.4.2 .隐含层数及节点的设置 | 第30页 |
| 3.4.3 .神经元激活函数的选取 | 第30-31页 |
| 3.5 .阀体故障诊断的BP网络模型 | 第31-35页 |
| 3.5.1 .阀体故障类型分类 | 第31-32页 |
| 3.5.2 .阀体的故障诊断网络模型 | 第32-33页 |
| 3.5.3 .神经网络参数选取 | 第33页 |
| 3.5.4 .神经网络的训练 | 第33-34页 |
| 3.5.5 .神经网络的诊断 | 第34-35页 |
| 3.6 .小结 | 第35-37页 |
| 第4章 基于灰色系统理论GM(1,1)模型的阀体装配质量故障预测 | 第37-47页 |
| 4.1 .阀体灰色预测的GM(1,1)模型概述 | 第37-38页 |
| 4.2 .灰色预测的GM(1,1)模型理论 | 第38-39页 |
| 4.3 .阀体装配质量预测目的、要求及步骤 | 第39-41页 |
| 4.4 .阀体装配质量灰色理论预测模-GM(1,1)模型 | 第41-46页 |
| 4.4.1 预测因素集 | 第41页 |
| 4.4.2 .原始数据的二阶弱化序列及1—AGO序列 | 第41-42页 |
| 4.4.3 .GM(1,1)模型的白化方程 | 第42-44页 |
| 4.4.4 .计算Φ与Φ的灰色绝对关联度ε | 第44页 |
| 4.4.5 .计算均方差比C | 第44-45页 |
| 4.4.6 .计算小误差概率p | 第45-46页 |
| 4.5 .小结 | 第46-47页 |
| 第5章 总结与展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 攻读硕士学位期间取得的研究成果 | 第53页 |
