基于遗传神经网络的柴油机故障诊断技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·故障诊断技术研究现状 | 第9-10页 |
| ·柴油机故障诊断的意义和方法 | 第10-12页 |
| ·瞬时转速波动诊断法 | 第10页 |
| ·振动信号时频特征分析法 | 第10-11页 |
| ·基于灰色系统理论的故障诊断方法 | 第11-12页 |
| ·基于神经网络的故障诊断方法 | 第12页 |
| ·本文研究内容 | 第12-14页 |
| 第2章 神经网络故障诊断方法 | 第14-27页 |
| ·神经网络的基本概念 | 第14-17页 |
| ·神经网络原理 | 第14-15页 |
| ·神经网络特点 | 第15-16页 |
| ·神经网络在模式识别中的应用 | 第16-17页 |
| ·BP神经网络 | 第17-23页 |
| ·BP网络模型 | 第17-18页 |
| ·BP学习算法 | 第18-21页 |
| ·BP网络设计 | 第21-22页 |
| ·训练样本的选择和处理 | 第22-23页 |
| ·BP神经网络对柴油机涡轮增压系统的故障诊断 | 第23-27页 |
| ·网络输入、输出及样本数据 | 第23-24页 |
| ·网络结构的确定及训练 | 第24-25页 |
| ·网络的测试及结果分析 | 第25-27页 |
| 第3章 遗传算法优化BP神经网络 | 第27-36页 |
| ·遗传算法优化神经网络方案 | 第27-29页 |
| ·BP神经网络的缺点和优化方案 | 第27-28页 |
| ·遗传算法优化神经网络方案 | 第28-29页 |
| ·遗传算法优化神经网络的基本思想 | 第29-31页 |
| ·遗传算法优化神经网络的具体方法 | 第31-36页 |
| ·编码方案的选择 | 第31页 |
| ·初始种群的生成 | 第31-32页 |
| ·适应度函数的设计 | 第32页 |
| ·遗传操作的设计 | 第32-34页 |
| ·控制参数的设计 | 第34-36页 |
| 第4章 柴油机燃油系统的故障诊断 | 第36-60页 |
| ·柴油机燃油系统 | 第36-37页 |
| ·柴油机燃油系统简介 | 第36-37页 |
| ·燃油喷射过程 | 第37页 |
| ·柴油机燃油系统压力波 | 第37-43页 |
| ·压力波形成机理 | 第38-39页 |
| ·压力波的测量 | 第39-40页 |
| ·常见故障的压力波形 | 第40-43页 |
| ·柴油机燃油压力波形特征参数的提取 | 第43-45页 |
| ·燃油压力波状态信息提取 | 第43-44页 |
| ·诊断特征参数的识别 | 第44-45页 |
| ·基于遗传神经网络的燃油系统故障诊断 | 第45-54页 |
| ·样本数据及BP网络结构的确定 | 第45-48页 |
| ·遗传算法优化BP网络初始权值、阀值过程 | 第48-50页 |
| ·BP网络的训练及测试 | 第50-54页 |
| ·柴油机故障诊断系统界面设计 | 第54-60页 |
| ·基于MATLAB的GUI设计方法 | 第55-56页 |
| ·柴油机故障诊断系统界面设计 | 第56-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-63页 |
| 致谢 | 第63页 |
