| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题的目的和意义 | 第9-10页 |
| ·目前国内外的研究现状 | 第10-12页 |
| ·神经网络的研究现状 | 第10页 |
| ·神经网络在油液光谱预测中的应用现状 | 第10-12页 |
| ·论文内容 | 第12-13页 |
| 第2章 油液检测及光谱分析技术 | 第13-22页 |
| ·油液检测技术发展现状 | 第13-14页 |
| ·油液检测技术内容 | 第14-17页 |
| ·油液检测技术的简介 | 第14-15页 |
| ·油液检测技术的基本特征 | 第15-16页 |
| ·油液检测技术的具体实施程序 | 第16-17页 |
| ·光谱分析简介 | 第17-21页 |
| ·小结 | 第21-22页 |
| 第3章 光谱分析数据的预测模型 | 第22-30页 |
| ·传统光谱数据预测模型 | 第22-28页 |
| ·时间序列预测模型 | 第22-24页 |
| ·回归分析预测模型 | 第24-25页 |
| ·灰色预测模型 | 第25-27页 |
| ·组合预测模型 | 第27-28页 |
| ·人工神经网络预测模型 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第4章 基于BP神经网络的光谱数据预测研究 | 第30-47页 |
| ·神经网络的组成和基本原理 | 第30-31页 |
| ·神经网络的基本组成 | 第30页 |
| ·神经网络的基本原理 | 第30-31页 |
| ·BP神经网络 | 第31-37页 |
| ·BP神经网络模型 | 第31-32页 |
| ·误差反传思想 | 第32-34页 |
| ·消除样本输入顺序影响的改进算法 | 第34-35页 |
| ·附加动量的改进算法 | 第35-36页 |
| ·基于Levenberg-Marquardt法的改进算法 | 第36-37页 |
| ·BP网络设计 | 第37-39页 |
| ·MATLAB神经网络工具箱 | 第37-38页 |
| ·BP网络的参数设计 | 第38-39页 |
| ·实例分析 | 第39-46页 |
| ·尾轴处润滑油光谱数据预测分析 | 第39-43页 |
| ·主机系统油光谱数据预测分析 | 第43-46页 |
| ·小结 | 第46-47页 |
| 第5章 基于遗传神经网络的光谱数据预测研究 | 第47-62页 |
| ·遗传算法概论 | 第47-48页 |
| ·遗传算法的实现 | 第48-52页 |
| ·染色体编码技术 | 第48-49页 |
| ·个体适应度函数 | 第49页 |
| ·遗传操作 | 第49-50页 |
| ·遗传算法实现步骤 | 第50-52页 |
| ·MATLAB遗传算法工具箱 | 第52-53页 |
| ·遗传神经网络应用研究 | 第53-60页 |
| ·遗传神经网络在船舶尾轴处的应用 | 第53-56页 |
| ·遗传神经网络在船舶主机系统油的应用 | 第56-60页 |
| ·小结 | 第60-62页 |
| 第6章 结论与展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录程序源代码 | 第67-71页 |
| 致谢 | 第71-72页 |
| 研究生履历 | 第72-73页 |