| 第一章 绪论 | 第1-13页 |
| ·研究背景 | 第7-8页 |
| ·研究的内容及意义 | 第8-10页 |
| ·链条滴油润滑系统简介 | 第8-9页 |
| ·论文研究的内容 | 第9-10页 |
| ·研究的意义 | 第10页 |
| ·研究方法 | 第10-11页 |
| ·主要工作及内容安排 | 第11-13页 |
| 第二章 神经网络基础 | 第13-26页 |
| ·神经网络简介 | 第13-19页 |
| ·人工神经元及其背景 | 第13-14页 |
| ·人工神经网络结构 | 第14-15页 |
| ·人工神经网络的优点 | 第15-16页 |
| ·学习方式 | 第16-17页 |
| ·学习规则 | 第17-19页 |
| ·BP网络及其算法 | 第19-23页 |
| ·BP网络结构 | 第19页 |
| ·BP算法 | 第19-20页 |
| ·几种改进的BP算法介绍 | 第20-23页 |
| ·RBF网络及其算法 | 第23-26页 |
| ·RBF网络结构 | 第23页 |
| ·RBF网络算法和设计 | 第23-24页 |
| ·RBF网络学习策略 | 第24-26页 |
| 第三章 仿真模型的建立与选择 | 第26-59页 |
| ·滴油润滑系统结构和原理 | 第26-27页 |
| ·滴油润滑系统数学模型 | 第27-30页 |
| ·系统中润滑油的运动分析 | 第27-28页 |
| ·滴油润滑系统中流体运动方程 | 第28-30页 |
| ·仿真方案比较 | 第30-32页 |
| ·仿真方案的考虑 | 第30-31页 |
| ·神经网络仿真方案的依据 | 第31-32页 |
| ·主要影响因素和实验数据分析 | 第32-36页 |
| ·BP网络仿真建模 | 第36-47页 |
| ·系统的BP网络结构 | 第36-38页 |
| ·网络层数的考虑 | 第37页 |
| ·隐含层神经元个数的选择 | 第37-38页 |
| ·系统的BP网络学习过程 | 第38-44页 |
| ·训练样本的选择 | 第39页 |
| ·样本学习方式 | 第39页 |
| ·各层活动函数的选择 | 第39-40页 |
| ·模型输入和输出值范围的考虑 | 第40页 |
| ·初始权值的选取 | 第40-41页 |
| ·学习速率的选择 | 第41页 |
| ·训练算法的选择和比较 | 第41-43页 |
| ·训练算法的稳定性和极值点分析 | 第43-44页 |
| ·系统的BP网络建模的实现 | 第44-47页 |
| ·RBF网络仿真建模 | 第47-51页 |
| ·系统的RBF网络结构 | 第47-48页 |
| ·系统的RBF网络学习和实现 | 第48-51页 |
| ·两种仿真模型的验证和比较 | 第51-59页 |
| ·两种神经网络模型的验证 | 第51-54页 |
| ·两种神经网络模型的泛化能力 | 第54-56页 |
| ·系统神经网络模型的选择 | 第56-57页 |
| ·系统神经网络模型的误差与分析 | 第57-59页 |
| 第四章 仿真的软件实现 | 第59-69页 |
| ·软件实现方法的考虑 | 第59-60页 |
| ·Visual C++与MATLAB混合编程机制与实现 | 第60-61页 |
| ·几种实现机制 | 第60-61页 |
| ·几种实现方法的比较与选择 | 第61页 |
| ·软件的具体实现 | 第61-69页 |
| ·Visua1 C++通过计算引擎方式调用MATLAB | 第61-64页 |
| ·软件程序结构及框图 | 第64-65页 |
| ·神经网络及其算法的软件实现 | 第65-69页 |
| ·MATLAB对BP网络及其算法的实现 | 第65-68页 |
| ·MATLAB对RBF网络及其算法的实现 | 第68-69页 |
| 第五章 仿真模型的应用 | 第69-79页 |
| ·系统工作特性的仿真 | 第69-72页 |
| ·改变滴油阀锥度角的系统仿真 | 第72-79页 |
| ·改变滴油阀锥度角问题的引出 | 第72-73页 |
| ·改变滴油阀锥度角仿真的实现 | 第73-74页 |
| ·改变滴油阀锥度角的系统仿真结果及分析 | 第74-76页 |
| ·改变滴油阀锥度角的仿真结论 | 第76-79页 |
| 第六章 总结与展望 | 第79-82页 |
| ·工作总结 | 第79-81页 |
| ·展望 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 发表文章及参与课题 | 第85-86页 |
| 附录 实验数据 | 第86-88页 |
| 致谢 | 第88-89页 |
| 西北工业大学学位论文知识产权声明书 | 第89页 |
| 西北工业大学学位论文原创性声明 | 第89页 |