| 摘要 | 第1-4页 |
| ABSTRACT | 第4-11页 |
| 第1章 绪论 | 第11-21页 |
| ·选题背景及意义 | 第11-12页 |
| ·智能诊断 | 第12-15页 |
| ·智能诊断系统结构 | 第12-13页 |
| ·智能诊断的主要方法 | 第13-14页 |
| ·智能诊断的发展方向 | 第14页 |
| ·现代智能诊断系统所应具备的特点 | 第14-15页 |
| ·冶金风机智能诊断 | 第15-19页 |
| ·冶金风机设备的故障特点 | 第15-16页 |
| ·旋转机械智能诊断方法 | 第16页 |
| ·国内外研究现状 | 第16-18页 |
| ·需解决的主要问题 | 第18-19页 |
| ·本文的主要研究内容及安排 | 第19-21页 |
| ·本文的主要研究内容 | 第19页 |
| ·本文各章内容安排 | 第19-21页 |
| 第2章 神经网络智能诊断方法研究 | 第21-41页 |
| ·引言 | 第21页 |
| ·人工神经网络故障诊断 | 第21-26页 |
| ·ANN 的基本原理 | 第21-23页 |
| ·ANN 的类别 | 第23-24页 |
| ·基于ANN 的故障诊断过程 | 第24-25页 |
| ·ANN 故障诊断的机理分析 | 第25-26页 |
| ·基于ANN 的冶金风机故障诊断 | 第26-32页 |
| ·冶金风机故障诊断流程 | 第26页 |
| ·样本集的构造 | 第26-28页 |
| ·BPNN 算法原理 | 第28-30页 |
| ·RBFNN 算法原理 | 第30-32页 |
| ·BPNN 与RBFNN 诊断实验 | 第32-39页 |
| ·网络学习性能 | 第32-35页 |
| ·网络诊断性能 | 第35-37页 |
| ·网络抗噪性能 | 第37-39页 |
| ·网络性能分析 | 第39页 |
| ·本章小结 | 第39-41页 |
| 第3章 集成动态神经网络智能诊断建模 | 第41-56页 |
| ·引言 | 第41页 |
| ·基于信息融合的神经网络智能诊断 | 第41-45页 |
| ·信息融合基本原理 | 第41-42页 |
| ·信息融合的层次结构 | 第42-43页 |
| ·信息融合的主要方法 | 第43-44页 |
| ·信息融合与神经网络的结合 | 第44-45页 |
| ·集成神经网络智能诊断 | 第45-48页 |
| ·集成神经网络信息融合 | 第45-46页 |
| ·集成神经网络融合诊断的有效性 | 第46-47页 |
| ·集成学习系统 | 第47-48页 |
| ·冶金风机集成动态神经网络智能诊断模型 | 第48-55页 |
| ·冶金风机集成神经网络诊断模型 | 第48-49页 |
| ·子神经网络的实现 | 第49-51页 |
| ·决策融合算法的实现 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 冶金风机聚类融合算法研究 | 第56-71页 |
| ·引言 | 第56页 |
| ·聚类分析 | 第56-58页 |
| ·聚类分析概述 | 第56-57页 |
| ·聚类分析的数学模型 | 第57页 |
| ·经典聚类分析算法 | 第57-58页 |
| ·基于免疫网络的聚类方法 | 第58-61页 |
| ·免疫网络概述 | 第59页 |
| ·免疫网络聚类算法原理 | 第59-60页 |
| ·免疫网络聚类算法的实现 | 第60-61页 |
| ·模糊免疫网络聚类融合 | 第61-66页 |
| ·模糊免疫网络算法 | 第61-63页 |
| ·基于模糊免疫网络的聚类融合 | 第63页 |
| ·实验及分析 | 第63-66页 |
| ·应用实例 | 第66-70页 |
| ·实例1 | 第66-68页 |
| ·实例2 | 第68-70页 |
| ·本章小节 | 第70-71页 |
| 第5章 冶金风机叶片磨损故障仿真研究 | 第71-82页 |
| ·引言 | 第71页 |
| ·冶金风机的流场数学模型 | 第71-73页 |
| ·气固两相流的基本理论 | 第71-72页 |
| ·单流体计算模型 | 第72-73页 |
| ·颗粒轨道计算模型 | 第73页 |
| ·冶金风机的流场仿真 | 第73-79页 |
| ·基于FLUENT 的冶金风机流场几何建模 | 第73-74页 |
| ·颗粒轨迹的仿真及分析 | 第74-77页 |
| ·叶片磨损的仿真及分析 | 第77-79页 |
| ·叶片磨损的振动分析 | 第79-81页 |
| ·叶片磨损的受力分析 | 第79-80页 |
| ·基于ADAMS/Vibration 的叶片磨损振动分析 | 第80-81页 |
| ·本章小节 | 第81-82页 |
| 第6章 冶金风机智能诊断系统的实现 | 第82-103页 |
| ·引言 | 第82页 |
| ·冶金风机智能诊断系统设计 | 第82-86页 |
| ·冶金风机的结构 | 第82-83页 |
| ·冶金风机的主要故障 | 第83-84页 |
| ·传感器测点布置 | 第84-85页 |
| ·系统体系结构设计 | 第85-86页 |
| ·各子系统的设计及实现 | 第86-102页 |
| ·在线监测子系统 | 第86-89页 |
| ·数据通信子系统 | 第89-91页 |
| ·数据库子系统 | 第91-94页 |
| ·信号分析子系统 | 第94-99页 |
| ·智能诊断子系统 | 第99-102页 |
| ·本章小结 | 第102-103页 |
| 第7章 总结与展望 | 第103-106页 |
| ·全文总结 | 第103-104页 |
| ·工作展望 | 第104-106页 |
| 参考文献 | 第106-113页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第113-114页 |
| 附录2 攻读博士学位期间完成的科研工作 | 第114-115页 |
| 致谢 | 第115-116页 |
| 论文主要创新点 | 第116页 |