| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.2.1 作业环境评价 | 第15-16页 |
| 1.2.2 舒适度评价 | 第16页 |
| 1.2.3 基于人工神经网络的综合评价 | 第16-17页 |
| 1.3 主要研究内容 | 第17-18页 |
| 1.4 技术路线 | 第18-19页 |
| 1.5 研究方法 | 第19-20页 |
| 1.6 研究的创新点 | 第20-21页 |
| 第二章 发动机生产作业环境评价若干关键问题 | 第21-45页 |
| 2.1 发动机生产车间作业环境及其评价指标体系构建 | 第22-35页 |
| 2.1.1 温度 | 第23-26页 |
| 2.1.2 湿度 | 第26-28页 |
| 2.1.3 气流速度 | 第28-29页 |
| 2.1.4 油雾 | 第29-30页 |
| 2.1.5 噪声 | 第30-31页 |
| 2.1.6 照明 | 第31-33页 |
| 2.1.7 综合评价指标体系 | 第33-35页 |
| 2.2 指标数据收集与处理方法 | 第35-39页 |
| 2.2.1 指标数据收集方法 | 第35-37页 |
| 2.2.2 具有波动变化特征的指标值的处理 | 第37-39页 |
| 2.3 异常数据检测与修正方法 | 第39-44页 |
| 2.3.1 异常数据问题的重要特征 | 第39-41页 |
| 2.3.2 数据预处理技术 | 第41页 |
| 2.3.3 异常数据检测方法 | 第41-44页 |
| 2.4 本章小结 | 第44-45页 |
| 第三章 人工神经网络理论 | 第45-55页 |
| 3.1 人工神经网络的发展史及应用 | 第45-48页 |
| 3.1.1 人工神经网络的发展史 | 第45-47页 |
| 3.1.2 人工神经网络的应用 | 第47-48页 |
| 3.2 人工神经网络模型 | 第48-50页 |
| 3.2.1 连接权值 | 第49页 |
| 3.2.2 神经网络状态 | 第49-50页 |
| 3.2.3 神经网络的输出 | 第50页 |
| 3.3 神经网络的结构 | 第50-51页 |
| 3.4 神经网络的特点 | 第51-52页 |
| 3.5 神经网络的学习方式 | 第52-53页 |
| 3.6 本章小结 | 第53-55页 |
| 第四章 基于BP人工神经网络的发动机作业环境综合评价模型 | 第55-73页 |
| 4.1 BP算法的数学描述 | 第55-58页 |
| 4.2 BP网络学习算法 | 第58-61页 |
| 4.2.1 标准BP算法 | 第58-60页 |
| 4.2.2 动量BP算法 | 第60页 |
| 4.2.3 学习率可变的BP算法 | 第60-61页 |
| 4.3 BP算法的改进 | 第61-63页 |
| 4.4 基于BP人工神经网络的发动机作业环境综合评价模型 | 第63-66页 |
| 4.5 生产作业环境的综合评价 | 第66-69页 |
| 4.5.1 样本的采集与处理 | 第66-68页 |
| 4.5.2 BP神经网络训练及结果分析 | 第68-69页 |
| 4.6 改善发动机生产车间人机作业环境 | 第69-70页 |
| 4.6.1 光环境改善 | 第69页 |
| 4.6.2 微气候环境改善 | 第69-70页 |
| 4.6.3 车间噪声的改善 | 第70页 |
| 4.6.4 车间油雾控制 | 第70页 |
| 4.7 本章小结 | 第70-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 论文成果总结 | 第73页 |
| 5.2 工作展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79页 |
