首页--交通运输论文--公路运输论文--汽车保养与修理论文--诊断和检测技术及其仪器设备论文

基于萤火虫算法的聚类分析与神经网络诊断方法

摘要第5-6页
Abstract第6页
目录第7-9页
第一章 绪论第9-15页
    1.1 课题来源第9页
    1.2 课题研究的意义和目的第9页
    1.3 国内外研究现状第9-14页
    1.4 论文的研究内容第14-15页
第二章 基于萤火虫聚类的故障识别方法研究第15-33页
    2.1 C 均值聚类第15-18页
        2.1.1 基本算法第15-16页
        2.1.2 聚类评价指标第16-17页
        2.1.3 仿真分析第17-18页
    2.2 萤火虫算法第18-22页
        2.2.1 标准算法第19-21页
        2.2.2 仿真分析第21-22页
    2.3 萤火虫聚类算法第22-32页
        2.3.1 算法流程第23-24页
        2.3.2 仿真和实验分析第24-32页
    2.4 本章小结第32-33页
第三章 基于萤火虫神经网络的诊断方法研究第33-59页
    3.1 BP 神经网络第33-37页
        3.1.1 神经网络拓扑结构第33-34页
        3.1.2 标准 BP 算法第34-36页
        3.1.3 仿真分析第36-37页
    3.2 萤火虫神经网络第37-51页
        3.2.1 编码方式第38-40页
        3.2.2 适应度指标第40-41页
        3.2.3 萤火虫神经网络的诊断流程第41-42页
        3.2.4 萤火虫神经网络的参数选取第42-44页
        3.2.5 仿真和实验分析第44-51页
    3.3 萤火虫变结构神经网络第51-58页
        3.3.1 编码方式第52页
        3.3.2 适应度指标第52-53页
        3.3.3 改进的个体移动方式第53-54页
        3.3.4 萤火虫变结构神经网络诊断模型第54-55页
        3.3.5 实验分析第55-58页
    3.4 本章小结第58-59页
第四章 变速器故障试验第59-69页
    4.1 变速器齿轮故障诊断第59-68页
        4.1.1 振动信号采集第59-60页
        4.1.2 振动信号时域、频域分析第60-62页
        4.1.3 基于萤火虫聚类的齿轮故障诊断第62-65页
        4.1.4 基于萤火虫变结构神经网络的齿轮故障诊断第65-68页
    4.2 本章小结第68-69页
结论与展望第69-71页
参考文献第71-75页
攻读硕士学位期间取得的研究成果第75-76页
致谢第76-77页
附件第77页

论文共77页,点击 下载论文
上一篇:中国客车产业的出口竞争力现状及发展策略分析
下一篇:基于能量利用率的电动公交客车动力系统控制方法研究