| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-19页 |
| ·课题立论依据 | 第10-11页 |
| ·课题背景及科学依据 | 第10页 |
| ·课题研究目的与意义 | 第10-11页 |
| ·自动装填系统诊断技术的国内外研究现状 | 第11-15页 |
| ·自动装填系统的发展动态 | 第11-12页 |
| ·故障诊断技术的研究现状 | 第12-15页 |
| ·粒子群优化算法的研究现状 | 第15-16页 |
| ·粒子群优化神经网络算法的可行性分析及研究现状 | 第16-17页 |
| ·论文的主要研究工作和结构安排 | 第17-19页 |
| 2 自动装填控制系统故障诊断分析 | 第19-29页 |
| ·自动装填控制系统基本概述 | 第19-21页 |
| ·自动装填控制系统的硬件组成 | 第21-23页 |
| ·自动装填控制系统的软件设计 | 第23-27页 |
| ·自动装填控制系统故障统计分析 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 3 粒子群优化算法理论 | 第29-41页 |
| ·原始粒子群优化算法 | 第29-33页 |
| ·算法原理 | 第29-30页 |
| ·算法的数学描述 | 第30-31页 |
| ·算法的流程 | 第31-33页 |
| ·标准粒子群优化算法 | 第33-34页 |
| ·带惯性权重的粒子群优化算法 | 第33-34页 |
| ·带收缩因子的粒子群优化算法 | 第34页 |
| ·粒子群优化算法参数选取的分析 | 第34-36页 |
| ·粒子群优化算法的优点和局限性 | 第36-38页 |
| ·粒子群优化算法的改进 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 粒子群优化神经网络模型的建立 | 第41-52页 |
| ·人工神经网络概述 | 第41-44页 |
| ·人工神经网络的基本模型 | 第41-42页 |
| ·人工神经网络的分类和学习 | 第42-43页 |
| ·人工神经网络的优势及应用 | 第43-44页 |
| ·BP 神经网络基础 | 第44-48页 |
| ·BP 网络基本模型 | 第45-47页 |
| ·BP 网络隐含层个数的确定 | 第47页 |
| ·BP 网络算法的不足及改进 | 第47-48页 |
| ·粒子群优化 BP 网络算法原理 | 第48-50页 |
| ·本章小结 | 第50-52页 |
| 5 粒子群优化 BP 网络算法在自动装填控制系统故障诊断中的实现 | 第52-62页 |
| ·前言 | 第52-53页 |
| ·BP 网络用于故障诊断中的流程 | 第53页 |
| ·粒子群优化 BP 网络故障诊断算法的实现 | 第53-61页 |
| ·BP 网络故障诊断系统的构建 | 第53-54页 |
| ·BP 网络的训练与测试样本 | 第54-57页 |
| ·BP 学习算法训练结果 | 第57-58页 |
| ·粒子群优化 BP 网络算法训练结果 | 第58-59页 |
| ·混沌粒子群优化 BP 网络算法训练结果 | 第59页 |
| ·各种算法及其测试结果的比较 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第68-69页 |
| 致谢 | 第69页 |