遗传算法在间歇式反应釜故障诊断中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 引言 | 第9-10页 |
| 1 绪论 | 第10-17页 |
| ·间歇式反应釜故障诊断的意义 | 第10-11页 |
| ·故障诊断技术分类及研究现状 | 第11-15页 |
| ·故障诊断技术分类 | 第11-14页 |
| ·间歇式反应釜故障诊断现状 | 第14-15页 |
| ·本文研究内容 | 第15-17页 |
| 2 研究对象介绍 | 第17-21页 |
| ·间歇生产特性介绍 | 第17-18页 |
| ·间歇式反应釜总体结构及反应原理 | 第18-21页 |
| 3 BP神经网络 | 第21-29页 |
| ·神经网络概述 | 第21页 |
| ·BP神经网络简介 | 第21-22页 |
| ·BP神经网络工作原理 | 第22-26页 |
| ·BP神经网络基本原理 | 第22页 |
| ·BP神经网络激活函数 | 第22-23页 |
| ·BP神经网络学习规则 | 第23-26页 |
| ·BP算法的实现步骤 | 第26-27页 |
| ·BP算法的缺陷及改进 | 第27-29页 |
| 4 遗传算法 | 第29-38页 |
| ·遗传算法发展 | 第29页 |
| ·遗传算法的基本思想及实现步骤 | 第29-30页 |
| ·遗传操作 | 第30-37页 |
| ·初始化种群 | 第30-31页 |
| ·编码方式 | 第31-32页 |
| ·适应度函数 | 第32-33页 |
| ·遗传算子 | 第33-37页 |
| ·遗传算法的特点 | 第37-38页 |
| 5 反应釜故障诊断仿真研究 | 第38-57页 |
| ·系统故障诊断原理 | 第38-39页 |
| ·间歇式反应釜故障特性分析 | 第39-41页 |
| ·网络样本数据选取 | 第41-45页 |
| ·间歇式反应釜故障特征数据采集 | 第41-43页 |
| ·数据预处理 | 第43-45页 |
| ·BP神经网络设计 | 第45-48页 |
| ·遗传算法优化BP神经网络 | 第48-51页 |
| ·编码方式 | 第48页 |
| ·适应度函数设计 | 第48页 |
| ·遗传算子选择 | 第48-50页 |
| ·算法基本步骤 | 第50-51页 |
| ·故障诊断算法性能比较 | 第51-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
