引言 | 第1-11页 |
第一章 故障诊断技术的描述 | 第11-14页 |
1.1 故障诊断的基本概念 | 第11页 |
1.2 现代故障诊断的主要内容 | 第11-12页 |
1.3 故障诊断系统的性能 | 第12页 |
1.4 故障诊断的智能化 | 第12-13页 |
1.5 冷藏集装箱的故障诊断 | 第13-14页 |
第二章 船舶冷藏集装箱 | 第14-23页 |
2.1 冷藏运输 | 第14-15页 |
2.1.1 冷藏集装箱运输 | 第14-15页 |
2.1.1.1 世界冷藏集装箱运输的现状 | 第14页 |
2.1.1.2 冷藏集装箱运输的优点 | 第14-15页 |
2.2 船舶冷藏集装箱 | 第15-23页 |
2.2.1 船舶冷藏集装箱的分类 | 第15-16页 |
2.2.2 船舶冷藏集装箱的尺寸标准 | 第16-17页 |
2.2.3 船舶冷藏集装箱的制冷系统的组成 | 第17页 |
2.2.4 新型的船舶冷藏集装箱 | 第17-18页 |
2.2.5 船舶冷藏集装箱的运行和管理 | 第18-23页 |
2.2.5.1 船舶冷藏集装箱的积载和检查 | 第18-20页 |
2.2.5.1.1 船舶冷藏集装箱的积载 | 第19页 |
2.2.5.1.2 船舶冷藏集装箱的检查 | 第19-20页 |
2.2.5.2 船舶冷藏集装箱货物运送温度和换气量 | 第20-23页 |
第三章 船舶冷藏集装箱制冷机组的故障调查和分析 | 第23-32页 |
3.1 船舶冷藏集装箱制冷机组的软故障和硬故障 | 第23页 |
3.2 冷藏集装箱制冷系统的故障调查和分析 | 第23-26页 |
3.3 往复式压缩机的故障研究和分析 | 第26-32页 |
3.3.1 压缩机的热力性能故障模式及机理 | 第26-28页 |
3.3.2 压缩机机械功能故障模式及机理 | 第28-29页 |
3.3.3 故障树分析法的应用 | 第29-32页 |
3.3.3.1 故障树定性分析 | 第29页 |
3.3.3.2 故障树定量分析 | 第29-30页 |
3.3.3.3 压缩机主要故障的故障树表示法 | 第30-32页 |
第四章 船舶冷藏集装箱远程故障诊断系统的基本框架 | 第32-39页 |
4.1 远程故障诊断技术 | 第32-33页 |
4.1.1 发展远程诊断的意义 | 第32页 |
4.1.2 远程诊断系统构成 | 第32-33页 |
4.2 船舶冷藏集装箱远程故障诊断系统 | 第33-39页 |
4.2.1 船舶冷藏集装箱远程故障监测和诊断系统的总结构图 | 第33-35页 |
4.2.2 现场诊断系统通讯方案采取 | 第35-37页 |
4.2.3 网络方案及数据传输接口 | 第37-39页 |
第五章 船舶冷藏集装箱故障参数范例集和硬故障库的建立 | 第39-53页 |
5.1 数据采集 | 第39-41页 |
5.1.1 采集系统原理分析 | 第39-41页 |
5.2 上海海事大学冷藏集装箱实验平台 | 第41-48页 |
5.2.1 环境室 | 第41-43页 |
5.2.2 冷藏集装箱 | 第43-44页 |
5.2.3 实验方案 | 第44-48页 |
5.2.3.1 故障样本的选取 | 第45页 |
5.2.3.2 制冷装置采样参数的选择 | 第45-46页 |
5.2.3.3 实验数据 | 第46-47页 |
5.2.3.4 实验数据分析 | 第47-48页 |
5.3 采集数据归一化处理 | 第48-50页 |
5.3.1 故障诊断参数范例集 | 第48-50页 |
5.4 船舶冷藏集装箱制冷系统硬故障库的建立 | 第50-53页 |
第六章 系统软件的实现 | 第53-72页 |
6.1 人工神经网络 | 第53-58页 |
6.1.1 BP神经网络 | 第53-58页 |
6.1.1.1 BP神经网络原理 | 第53-54页 |
6.1.1.2 误差反向传播(BP)算法 | 第54-56页 |
6.1.1.3 BP算法程序流程图和算法步骤 | 第56-57页 |
6.1.1.4 BP神经网络的改进 | 第57-58页 |
6.2 实现神经网络算法的编程语言(VB)简介 | 第58-60页 |
6.3 系统软件介绍 | 第60-70页 |
6.3.1 开机界面 | 第60-61页 |
6.3.2 神经网络训练 | 第61-65页 |
6.3.3 冷藏集装箱故障智能预警界面 | 第65-66页 |
6.3.4 硬故障诊断界面 | 第66-70页 |
6.4 本软件的功能 | 第70-72页 |
结论和展望 | 第72-73页 |
致谢 | 第73-74页 |
参考文献 | 第74-75页 |