| 第一章 绪论 | 第1-17页 |
| 1．1 概述 | 第7-8页 |
| 1．2 故障诊断技术的发展和现状 | 第8-9页 |
| 1．2．1 故障诊断的发展过程 | 第8页 |
| 1．2．2 故障诊断主要运用的技术手段 | 第8页 |
| 1．2．3 故障诊断的研究现状及发展 | 第8-9页 |
| 1．3 神经网络与模式识别技术 | 第9-12页 |
| 1．4 港口岸桥起重机的状态检测 | 第12-15页 |
| 1．4．1 集装箱运输和集装箱岸桥的发展 | 第12-13页 |
| 1．4．2 港口岸桥起重机的状态检测技术 | 第13-15页 |
| 1．5 本论文的主要工作及技术难点 | 第15-17页 |
| 第二章 神经网络和模糊逻辑 | 第17-25页 |
| 2．1 人工神经网络原理 | 第17-20页 |
| 2．1．1 人工神经网络模型 | 第18-19页 |
| 2．1．2 神经网络的两大类学习方法模型 | 第19-20页 |
| 2．2 RBF神经网络模型及学习方法 | 第20-21页 |
| 2．2．1 RBF神经网络模型 | 第20页 |
| 2．2．2 RBF神经网络的学习方法 | 第20-21页 |
| 2．3 模糊理论及应用领域 | 第21-23页 |
| 2．4 神经网络与模糊逻辑的融合 | 第23-25页 |
| 2．4．1 神经网络与模糊逻辑的区别和联系 | 第23-24页 |
| 2．4．2 神经网络与模糊逻辑融合技术的研究与发展 | 第24-25页 |
| 第三章 岸桥现场的数据采集及处理 | 第25-38页 |
| 3．1 现场实验的目的及遇到的困难 | 第25-26页 |
| 3．1．1 实验的目的 | 第25页 |
| 3．1．2 现场实验遇到的困难 | 第25-26页 |
| 3．2 现场实验方案 | 第26-31页 |
| 3．2．1 测点的位置 | 第26-29页 |
| 3．2．2 实验方案的确定 | 第29-31页 |
| 3．3 实验数据的处理 | 第31-38页 |
| 3．3．1 ANSYS建模 | 第31-35页 |
| 3．3．2 ANSYS计算结果及分析 | 第35-38页 |
| 第四章 神经网络的建立与识别 | 第38-48页 |
| 4．1 模糊神经网络 | 第38-40页 |
| 4．2 利用 RBF神经网络建立输出模糊神经网络 | 第40-43页 |
| 4．2．1 输出参数的模糊化处理 | 第40-42页 |
| 4．2．2 网络识别结果 | 第42-43页 |
| 4．3 基于 RBF网络的模糊神经网络 | 第43-47页 |
| 4．3．1 网络的建立过程 | 第43-46页 |
| 4．3．2 网络的识别结果 | 第46-47页 |
| 4．4 两种网络的综合分析 | 第47-48页 |
| 第五章 结论与展望 | 第48-49页 |
| 5．1 结论 | 第48页 |
| 5．2 进一步的工作 | 第48-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 附录1 实验数据表 | 第53-57页 |
| 附录2 ANSYS计算部分结果 | 第57-59页 |
| 附录3 攻读硕士学位期间完成的科研论文以及有关科研项目 | 第59页 |