轧机液压故障智能诊断系统的研究与开发
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 第一章 绪论 | 第9-13页 |
| 1．1 智能诊断专家系统的技术意义 | 第9页 |
| 1．2 智能诊断专家系统的发展和研究动态 | 第9-12页 |
| 1．3 课题来源及主要研究内容 | 第12-13页 |
| 第二章 轧机液压故障智能诊断系统方案的分析与设计 | 第13-23页 |
| 2．1 系统的需求分析 | 第13-16页 |
| 2．1．1 系统功能要求 | 第13-14页 |
| 2．1．2 系统技术要求 | 第14页 |
| 2．1．3 系统面向用户的特点 | 第14页 |
| 2．1．4 轧机故障的分类 | 第14-16页 |
| 2．2 智能诊断专家系统的方案及结构 | 第16-21页 |
| 2．2．1 系统故障假设验证的推理方法 | 第17-19页 |
| 2．2．2 泵站故障诊断途径 | 第19-21页 |
| 2．3 系统主要功能模块 | 第21-22页 |
| 2．4 本章小结 | 第22-23页 |
| 第三章 故障诊断关键技术的研究与应用 | 第23-41页 |
| 3．1 神经网络诊断技术 | 第23-29页 |
| 3．1．1 混合型专家系统 | 第23-24页 |
| 3．1．2 神经网络的正向推理 | 第24-28页 |
| 3．1．3 神经网络的BP学习算法 | 第28-29页 |
| 3．2 智能专家系统技术 | 第29-40页 |
| 3．2．1 智能专家系统的知识库 | 第29-38页 |
| 3．2．2 智能专家系统的推理机 | 第38-40页 |
| 3．3 本章小结 | 第40-41页 |
| 第四章 智能诊断系统的软件实现及应用 | 第41-55页 |
| 4．1 建造智能诊断系统的基本思想 | 第41-42页 |
| 4．2 智能诊断专家系统知识库的软件实现 | 第42-44页 |
| 4．2．1 客户机／服务器体系中的客户端 | 第43-44页 |
| 4．2．2 客户机／服务器体系中的服务器 | 第44页 |
| 4．3 系统主要模块的设计 | 第44-54页 |
| 4．3．1 泵站故障诊断模块的设计 | 第44-48页 |
| 4．3．2 系统故障诊断模块的设计 | 第48-52页 |
| 4．3．3 柱塞泵故障预测模块 | 第52-53页 |
| 4．3．4 知识管理模块 | 第53-54页 |
| 4．4 本章小结 | 第54-55页 |
| 第五章 系统学习及诊断实例 | 第55-61页 |
| 5．1 系统神经网络模型的学习过程 | 第55-56页 |
| 5．2 电液伺服阀模糊综合评判诊断系统学习的实例 | 第56-58页 |
| 5．3 泵站故障诊断实例 | 第58-60页 |
| 5．4 本章小结 | 第60-61页 |
| 第六章 总结与展望 | 第61-63页 |
| 6．1 全文总结 | 第61-62页 |
| 6．2 研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士期间发表论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附录一 | 第68-71页 |
| 附录二 | 第71-75页 |
