| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第10-13页 |
| 1.1 研究课题的背景和意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 未来发展趋势 | 第11-12页 |
| 1.4 本文的主要研究工作 | 第12-13页 |
| 第二章 三种人工智能故障诊断技术的理论介绍及其结合 | 第13-29页 |
| 2.1 人工智能故障诊断技术的定义 | 第13页 |
| 2.2 专家故障诊断系统 | 第13-16页 |
| 2.2.1 专家故障诊断系统的结构 | 第14-15页 |
| 2.2.2 专家故障诊断系统的工作原理 | 第15页 |
| 2.2.3 专家故障诊断系统的知识库建立 | 第15-16页 |
| 2.2.4 专家故障诊断系统的知识库维护 | 第16页 |
| 2.3 模糊推理 | 第16-20页 |
| 2.3.1 模糊推理的来源和发展 | 第16-17页 |
| 2.3.2 隶属度函数的建立 | 第17-19页 |
| 2.3.3 模糊推理系统 | 第19-20页 |
| 2.4 人工神经网络 | 第20-26页 |
| 2.4.1 人工神经元模型 | 第20-22页 |
| 2.4.2 人工神经网络的结构 | 第22-24页 |
| 2.4.3 BP神经网络的基本原理 | 第24-25页 |
| 2.4.4 BP神经网络的设计 | 第25-26页 |
| 2.5 三种人工智能故障诊断技术的结合 | 第26-28页 |
| 2.5.1 本文采用的模糊推理与神经网络的连接方式 | 第26页 |
| 2.5.2 基于模糊神经网络的专家故障诊断系统的系统组成 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 对BP神经网络训练算法的改进LM-BP优化算法 | 第29-36页 |
| 3.1 概要 | 第29-30页 |
| 3.2 梯度下降法 | 第30-31页 |
| 3.3 高斯-牛顿法 | 第31-33页 |
| 3.4 LM-BP优化算法 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 三种人工智能故障诊断技术与LM-BP优化算法的优缺点 | 第36-41页 |
| 4.1 专家故障诊断系统的优缺点 | 第36-37页 |
| 4.2 模糊推理的优缺点 | 第37-38页 |
| 4.3 人工神经网络的优缺点 | 第38-39页 |
| 4.4 LM-BP优化算法的优点和实现的难点 | 第39-40页 |
| 4.5 本章小结 | 第40-41页 |
| 第五章 模糊神经网络模型训练的准备 | 第41-46页 |
| 5.1 交流伺服驱动系统的组成结构 | 第41-42页 |
| 5.2 模糊隶属函数的确定 | 第42-43页 |
| 5.3 交流伺服驱动系统的专家规则的归纳和总结 | 第43-45页 |
| 5.4 本章小结 | 第45-46页 |
| 第六章 基于LM-BP优化算法的模糊神经网络专家故障诊断系统的软件实现.. | 第46-66页 |
| 6.1 模糊神经网络模型的训练 | 第46-52页 |
| 6.1.1 训练样本 | 第46-47页 |
| 6.1.2 模糊神经网络模型的设计 | 第47-52页 |
| 6.2 针对训练完毕的模糊神经网络模型的仿真 | 第52-54页 |
| 6.3 MATLAB与 Visual Studio的混合编程 | 第54-59页 |
| 6.3.1 COM组件的创建及其在Visual Studio中的调用 | 第55-56页 |
| 6.3.2 MATLAB与 Visual Studio的数据交换 | 第56-59页 |
| 6.4 Visual Studio与 ACCESS数据库的混合编程 | 第59-61页 |
| 6.4.1 Visual Studio与 ACCESS数据库的连接 | 第59-61页 |
| 6.5 Visual Studio设计的人机界面及其使用 | 第61-64页 |
| 6.6 人机界面的发布 | 第64-65页 |
| 6.7 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 攻读硕士学位期间已发表或录用的论文 | 第73-75页 |
