| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题来源及研究背景 | 第10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.3 故障诊断技术的发展和现状 | 第11页 |
| 1.3.1 故障诊断技术的发展 | 第11页 |
| 1.3.2 故障诊断技术的现状 | 第11页 |
| 1.4 故障诊断专家系统发展和现状 | 第11-13页 |
| 1.4.1 专家系统发展 | 第11-12页 |
| 1.4.2 故障诊断专家系统发展 | 第12页 |
| 1.4.3 故障诊断专家系统现状 | 第12页 |
| 1.4.4 故障诊断专家系统发展方向 | 第12-13页 |
| 1.5 神经网络的发展和现状 | 第13-14页 |
| 1.5.1 神经网络的发展 | 第13页 |
| 1.5.2 神经网络的现状 | 第13页 |
| 1.5.3 神经网络在故障诊断中的应用 | 第13-14页 |
| 1.6 课题研究的主要内容 | 第14页 |
| 1.7 本章小结 | 第14-15页 |
| 2 神经网络诊断方法与故障树诊断方法对比与结合 | 第15-26页 |
| 2.1 专家系统概述 | 第15-16页 |
| 2.1.1 专家系统结构 | 第15-16页 |
| 2.1.2 故障诊断专家系统 | 第16页 |
| 2.2 基于故障树的诊断方法 | 第16-17页 |
| 2.2.1 故障树分析法 | 第16页 |
| 2.2.2 故障树分析法应用到故障诊断中的优势 | 第16页 |
| 2.2.3 基于故障树的故障诊断专家系统的不足 | 第16-17页 |
| 2.3 神经网络原理 | 第17-21页 |
| 2.3.1 神经网络概念 | 第17页 |
| 2.3.2 神经元模型 | 第17-18页 |
| 2.3.3 激活函数 | 第18-19页 |
| 2.3.4 神经网络拓扑结构 | 第19-20页 |
| 2.3.5 神经网络学习规则 | 第20-21页 |
| 2.4 神经网络工作原理 | 第21-22页 |
| 2.4.1 神经网络知识表示 | 第21-22页 |
| 2.4.2 神经网络知识获取 | 第22页 |
| 2.4.3 神经网络推理机制 | 第22页 |
| 2.5 基于神经网络的故障诊断方法 | 第22-23页 |
| 2.5.1 神经网络故障诊断方法研究 | 第22-23页 |
| 2.5.2 神经网络故障诊断方法的优势和不足 | 第23页 |
| 2.6 神经网络诊断方法与故障树诊断方法的对比与结合 | 第23-24页 |
| 2.6.1 神经网络故障诊断方法与故障树诊断方法对比 | 第23-24页 |
| 2.6.2 神经网络故障诊断方法与故障树诊断方法的结合 | 第24页 |
| 2.7 基于神经网络的装备故障诊断专家系统 | 第24-25页 |
| 2.7.1 基于神经网络的装备故障诊断专家系统的结构 | 第24-25页 |
| 2.7.2 基于神经网络的装备故障诊断专家系统的工作原理 | 第25页 |
| 2.8 本章小结 | 第25-26页 |
| 3 神经网络模型建立与MATLAB仿真 | 第26-44页 |
| 3.1 BP神经网络模型 | 第26-30页 |
| 3.1.1 BP神经网络模型结构 | 第26页 |
| 3.1.2 BP神经网络模型算法 | 第26-29页 |
| 3.1.3 BP神经网络模型工作原理 | 第29-30页 |
| 3.2 Elman神经网络模型 | 第30-32页 |
| 3.2.1 Elman神经网络模型结构 | 第30页 |
| 3.2.2 Elman神经网络模型算法 | 第30-31页 |
| 3.2.3 Elman神经网络模型工作原理 | 第31-32页 |
| 3.3 MATLAB工具使用 | 第32-34页 |
| 3.3.1 MATLAB的神经网络工具箱 | 第32页 |
| 3.3.2 MATLAB/Simulink | 第32-33页 |
| 3.3.3 MATLAB/Real-Time Workshop工具 | 第33-34页 |
| 3.4 被诊断设备描述 | 第34-37页 |
| 3.4.1 被诊断设备内部采集点设置 | 第35页 |
| 3.4.2 设备故障征兆表示 | 第35-36页 |
| 3.4.3 设备故障征兆编码 | 第36页 |
| 3.4.4 设备故障样本 | 第36-37页 |
| 3.5 BP神经网络模型建立及MATLAB仿真 | 第37-38页 |
| 3.5.1 BP神经网络模型建立 | 第37-38页 |
| 3.5.2 BP神经网络的MATLAB仿真效果 | 第38页 |
| 3.6 Elman神经网络模型建立及MATLAB仿真 | 第38-40页 |
| 3.6.1 Elman神经网络模型建立 | 第38-39页 |
| 3.6.2 Elman神经网络的MATLAB仿真效果 | 第39-40页 |
| 3.7 Elman神经网络和BP神经网络对比 | 第40-41页 |
| 3.7.1 Elman网络输出和BP网络输出对比 | 第40页 |
| 3.7.2 Elman神经网络和BP神经网络对比总结 | 第40-41页 |
| 3.8 神经网络模型翻译 | 第41-42页 |
| 3.9 本章小结 | 第42-44页 |
| 4 基于神经网络的装备故障诊断专家系统的设计 | 第44-57页 |
| 4.1 基于神经网络的装备故障诊断专家系统 | 第44-46页 |
| 4.1.1 基于神经网络的装备故障诊断专家系统描述 | 第44-45页 |
| 4.1.2 基于神经网络的装备故障诊断专家系统的结构 | 第45-46页 |
| 4.2 诊断Agent | 第46-47页 |
| 4.2.1 被诊断设备工作电压值数据采集 | 第47页 |
| 4.2.2 被诊断设备工作电压值数据处理 | 第47页 |
| 4.2.3 被诊断设备工作电压值数据发送 | 第47页 |
| 4.3 诊断客户端 | 第47-55页 |
| 4.3.1 诊断客户端通信接口 | 第48-49页 |
| 4.3.2 诊断客户端征兆数据库 | 第49-50页 |
| 4.3.3 实时故障诊断工作模式 | 第50-52页 |
| 4.3.4 离线故障诊断工作模式 | 第52-53页 |
| 4.3.5 两种故障诊断工作模式的结合 | 第53-55页 |
| 4.4 课题开发环境及运行环境介绍 | 第55-56页 |
| 4.4.1 课题开发环境 | 第55页 |
| 4.4.2 课题运行环境 | 第55页 |
| 4.4.3 交叉编译器 | 第55页 |
| 4.4.4 minicom工具 | 第55-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 基于神经网络的装备故障诊断专家系统的实现 | 第57-65页 |
| 5.1 串口通信 | 第57-58页 |
| 5.2 征兆数据库 | 第58-59页 |
| 5.3 诊断客户端 | 第59-64页 |
| 5.3.1 实时故障诊断工作模式实现 | 第59-61页 |
| 5.3.2 离线故障诊断工作模式实现 | 第61-64页 |
| 5.3.3 两种工作模式结合实现效果 | 第64页 |
| 5.4 本章小结 | 第64-65页 |
| 6 结论 | 第65-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文 | 第72-73页 |
| 致谢 | 第73-75页 |
