| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1. 绪论 | 第7-17页 |
| ·故障诊断的意义 | 第7-12页 |
| ·故障诊断技术的发展历程 | 第8-10页 |
| ·故障诊断技术研究内容与研究方法 | 第10-12页 |
| ·智能故障诊断技术概述 | 第12-15页 |
| ·智能故障诊断系统发展的现状 | 第12-13页 |
| ·现有的智能故障诊断系统存在的问题 | 第13-14页 |
| ·智能故障诊断技术的发展趋势 | 第14-15页 |
| ·课题研究的主要内容及论文的组织结构 | 第15-17页 |
| ·课题研究的主要内容 | 第15页 |
| ·论文的组织结构 | 第15-17页 |
| 2. 数控机床伺服系统故障诊断 | 第17-27页 |
| ·数控机床故障诊断概述 | 第17-21页 |
| ·数控机床故障诊断基本类型 | 第17-18页 |
| ·数控机床故障诊断的方法 | 第18-21页 |
| ·数控机床伺服系统的概念、工作原理及组成 | 第21-23页 |
| ·伺服系统的概念 | 第21页 |
| ·伺服系统的工作原理 | 第21-22页 |
| ·伺服系统的组成 | 第22-23页 |
| ·主轴伺服系统的故障诊断 | 第23-27页 |
| ·主轴伺服系统的故障分析 | 第23-24页 |
| ·主轴伺服系统的故障模型的建立 | 第24-27页 |
| 3. BP神经网络在主轴伺服系统故障诊断中的应用 | 第27-38页 |
| ·BP神经网络概述 | 第27-30页 |
| ·BP神经网络的结构 | 第27-29页 |
| ·数控机床主轴伺服系统故障样本集的确定 | 第29-30页 |
| ·BP算法 | 第30-35页 |
| ·BP神经网络的算法简介 | 第30-33页 |
| ·BP算法的改进 | 第33-34页 |
| ·Levenberg-Marquardt算法 | 第34-35页 |
| ·故障样本的训练及仿真 | 第35-38页 |
| 4. 基于模糊神经网络的主轴伺服系统故障诊断 | 第38-48页 |
| ·模糊理论与人工神经网络的相互融合 | 第38-41页 |
| ·模糊神经网络概述 | 第38页 |
| ·模糊神经网络的结合及应用 | 第38-41页 |
| ·模糊神经网络的结构 | 第41页 |
| ·数控机床主轴伺服系统模糊神经网络的构建及其故障诊断 | 第41-48页 |
| ·参数模糊化—隶属函数的确定 | 第41-43页 |
| ·模糊神经网络的训练及仿真 | 第43-45页 |
| ·诊断实例 | 第45-48页 |
| 5. 模糊神经网络故障诊断专家系统的实现 | 第48-61页 |
| ·专家系统概述 | 第48-50页 |
| ·专家系统的结构 | 第48-49页 |
| ·专家系统的类型及特点 | 第49-50页 |
| ·模糊神经网络专家系统 | 第50-52页 |
| ·模糊神经网络与专家系统结合的可行性分析 | 第50-51页 |
| ·模糊神经网络与专家系统结合的途径 | 第51-52页 |
| ·模糊神经网络故障诊断专家系统结构 | 第52-53页 |
| ·基于MATLAB GUI智能故障诊断系统的实现 | 第53-61页 |
| ·MATLAB GUI简介 | 第53-55页 |
| ·数控主轴伺服系统故障诊断人机界面设计 | 第55-61页 |
| 6. 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·进一步的工作展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |