混合智能技术及其在故障诊断中的应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-15页 |
| 1 绪论 | 第15-47页 |
| ·设备状态监测和故障诊断的意义 | 第15-17页 |
| ·设备智能诊断的研究现状 | 第17-36页 |
| ·故障诊断技术的研究内容和发展概述 | 第17-25页 |
| ·智能故障诊断技术的研究现状 | 第25-33页 |
| ·智能故障诊断技术存在的问题 | 第33-36页 |
| ·设备混合智能诊断技术的提出和研究进展 | 第36-43页 |
| ·混合智能技术的发展概况 | 第36-39页 |
| ·混合智能诊断技术的提出及其研究进展 | 第39-43页 |
| ·研究现状总结分析 | 第43页 |
| ·课题的研究意义和来源 | 第43-44页 |
| ·课题的研究意义 | 第43-44页 |
| ·课题的来源 | 第44页 |
| ·论文的主要内容和章节安排 | 第44-47页 |
| 2 本文研究的技术背景 | 第47-72页 |
| ·引言 | 第47页 |
| ·模糊集理论 | 第47-49页 |
| ·模糊集概念 | 第47-48页 |
| ·隶属度函数 | 第48页 |
| ·应用举例 | 第48-49页 |
| ·人工神经网络 | 第49-56页 |
| ·神经元模型 | 第50页 |
| ·BP 神经网络 | 第50-53页 |
| ·模糊神经网络 | 第53-55页 |
| ·应用举例 | 第55-56页 |
| ·聚类算法 | 第56-62页 |
| ·聚类算法概述 | 第57-58页 |
| ·模糊C 均值聚类 | 第58-59页 |
| ·聚类评价指标 | 第59-61页 |
| ·应用举例 | 第61-62页 |
| ·遗传算法 | 第62-65页 |
| ·遗传算法基本原理 | 第63页 |
| ·遗传算法特点 | 第63页 |
| ·应用举例 | 第63-65页 |
| ·现代信号处理技术 | 第65-71页 |
| ·小波变换及小波包分析 | 第65-68页 |
| ·经验模式分解 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 3 基于特征评估和神经网络的智能故障诊断模型 | 第72-95页 |
| ·引言 | 第72-74页 |
| ·特征参数的定义与提取 | 第74-76页 |
| ·特征参数的定义 | 第74-75页 |
| ·特征提取 | 第75-76页 |
| ·基于距离的特征评估技术 | 第76-79页 |
| ·特征选择技术概述 | 第76-77页 |
| ·基于距离的特征评估及选择技术 | 第77-79页 |
| ·基于特征评估和神经网络的智能故障诊断模型 | 第79-81页 |
| ·径向基函数神经网络 | 第79-80页 |
| ·诊断模型 | 第80-81页 |
| ·实验及应用研究 | 第81-94页 |
| ·实验台滚动轴承单一损伤故障诊断 | 第81-86页 |
| ·烟气轮机轻微摩擦故障诊断 | 第86-88页 |
| ·电力机车滚动轴承早期故障和复合故障诊断 | 第88-94页 |
| ·本章小结 | 第94-95页 |
| 4 基于组合模糊神经网络的混合智能诊断模型 | 第95-121页 |
| ·引言 | 第95-97页 |
| ·多分类器组合 | 第97-99页 |
| ·基本思想 | 第97-98页 |
| ·实现的框架 | 第98-99页 |
| ·特征提取与选择 | 第99-105页 |
| ·时域和频域特征提取 | 第99-102页 |
| ·特征选择 | 第102-105页 |
| ·混合智能诊断模型 | 第105-109页 |
| ·ANFIS 概述 | 第105-107页 |
| ·利用GA 组合ANFIS 的混合智能诊断模型 | 第107-109页 |
| ·实验及应用研究 | 第109-119页 |
| ·实验台滚动球轴承早期故障诊断 | 第109-117页 |
| ·电力机车滚动轴承早期故障和复合故障诊断 | 第117-119页 |
| ·本章小结 | 第119-121页 |
| 5 基于混合智能聚类算法的故障诊断方法研究 | 第121-142页 |
| ·引言 | 第121-125页 |
| ·聚类特征权值的学习和样本权值的计算 | 第125-128页 |
| ·基于3 层前馈神经网络的特征权值的学习 | 第126-128页 |
| ·聚类样本权值的计算 | 第128页 |
| ·聚类评价指标的选择 | 第128-129页 |
| ·混合智能聚类算法 | 第129-131页 |
| ·实验及应用研究 | 第131-140页 |
| ·标准聚类问题验证 | 第131-134页 |
| ·电力机车滚动轴承轻微故障诊断 | 第134-138页 |
| ·电力机车滚动轴承早期故障和复合故障诊断 | 第138-140页 |
| ·本章小结 | 第140-142页 |
| 6 混合智能技术在远程诊断系统中的应用 | 第142-158页 |
| ·引言 | 第142-143页 |
| ·潜艇模型振动监测与分析系统 | 第143-152页 |
| ·系统总体结构 | 第143-144页 |
| ·系统主要功能 | 第144-147页 |
| ·混合智能技术在该系统中的应用研究 | 第147-152页 |
| ·皮带输送机轴承状态检测与故障诊断系统 | 第152-156页 |
| ·系统总体框架 | 第153页 |
| ·系统分析功能 | 第153-154页 |
| ·混合智能技术在该系统中的应用研究 | 第154-156页 |
| ·本章小结 | 第156-158页 |
| 7 结论与展望 | 第158-160页 |
| ·论文结论 | 第158-159页 |
| ·研究展望 | 第159-160页 |
| 致谢 | 第160-161页 |
| 参考文献 | 第161-180页 |
| 攻读博士学位期间所发表论文及科研成果 | 第180-182页 |
