| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题背景 | 第12-13页 |
| ·故障诊断技术现状 | 第13-16页 |
| ·故障诊断技术的意义与目的 | 第13-14页 |
| ·在线故障诊断主要方法 | 第14-16页 |
| ·本文主要研究内容与方法 | 第16-17页 |
| ·柴油机故障机理分析 | 第16页 |
| ·特征参数选取 | 第16页 |
| ·各种神经网络故障诊断专家系统性能分析 | 第16页 |
| ·基于 PNN 的柴油机故障诊断专家系统的实现 | 第16-17页 |
| 第二章 柴油机故障机理分析与特征参数的确定 | 第17-27页 |
| ·气缸压缩压力不足 | 第17-20页 |
| ·气门密封性不好，产生漏气 | 第18-19页 |
| ·气缸套与活塞环配合密封性不好 | 第19-20页 |
| ·气缸垫烧损 | 第20页 |
| ·曲轴轴颈与轴承磨损严重 | 第20页 |
| ·燃油系统故障 | 第20-23页 |
| ·喷油器雾化不良 | 第21页 |
| ·供油提前角过大或过小 | 第21-22页 |
| ·喷油泵不供油 | 第22页 |
| ·柱塞偶件或出油阀偶件磨损 | 第22-23页 |
| ·润滑系统故障 | 第23页 |
| ·机油泵故障 | 第23页 |
| ·其它故障 | 第23-24页 |
| ·特征参数的选取 | 第24-27页 |
| ·缸内燃烧压力 | 第24-25页 |
| ·振动信号 | 第25页 |
| ·本系统特征参数的选取 | 第25-27页 |
| 第三章 神经网络专家系统基本原理 | 第27-30页 |
| ·神经网络确定性数学模型 | 第27-28页 |
| ·神经网络学习过程 | 第28-29页 |
| ·神经网络专家系统概述 | 第29-30页 |
| 第四章 11种柴油机神经网络故障诊断专家系统的分析 | 第30-57页 |
| ·BP 网络故障诊断专家系统 | 第30-34页 |
| ·BP 网络结构 | 第30-31页 |
| ·BP 网络故障诊断专家系统分析 | 第31-34页 |
| ·RBF 网络故障诊断专家系统 | 第34-37页 |
| ·RBF 网络结构 | 第34-35页 |
| ·RBF 网络故障诊断专家系统分析 | 第35-37页 |
| ·GRNN 网络故障诊断专家系统 | 第37-39页 |
| ·GRNN 网络结构 | 第37-38页 |
| ·GRNN 网络故障诊断专家系统分析 | 第38-39页 |
| ·PNN 网络故障诊断专家系统 | 第39-40页 |
| ·PNN 网络结构 | 第39-40页 |
| ·PNN 网络故障诊断专家系统分析 | 第40页 |
| ·ELman 网络故障诊断专家系统 | 第40-43页 |
| ·ELman 网络结构 | 第40-41页 |
| ·Elman 网络故障诊断专家系统分析 | 第41-43页 |
| ·Hopfield 网络故障诊断专家系统 | 第43-47页 |
| ·CHNN 网络结构 | 第43-44页 |
| ·二神经元 CHNN 平衡分析 | 第44-45页 |
| ·三神经元 CHNN 平衡分析 | 第45-46页 |
| ·CHNN 网络故障诊断专家系统分析 | 第46-47页 |
| ·自组织竞争网络故障诊断专家系统 | 第47-48页 |
| ·自组织竞争网络结构 | 第47-48页 |
| ·自组织竞争网络故障诊断专家系统分析 | 第48页 |
| ·SOFM 网络故障诊断专家系统 | 第48-52页 |
| ·SOFM 网络结构 | 第48-49页 |
| ·概率分布与拓扑结构 | 第49-51页 |
| ·SOFM 网络故障诊断专家系统分析 | 第51-52页 |
| ·LVQ 网络故障诊断专家系统 | 第52-54页 |
| ·LVQ 网络结构 | 第52页 |
| ·LVQ 网络的训练 | 第52-53页 |
| ·LVQ 网络故障诊断专家系统分析 | 第53-54页 |
| ·CPN 网络故障诊断专家系统 | 第54-55页 |
| ·CPN 网络结构 | 第54页 |
| ·CPN 网络故障诊断专家系统分析 | 第54-55页 |
| ·ART-2 网络故障诊断专家系统 | 第55-57页 |
| ·ART-2 网络结构 | 第55-56页 |
| ·ART-2 网络故障诊断专家系统分析 | 第56-57页 |
| 第五章 基于 PNN 的柴油机故障诊断专家系统的研究与实现 | 第57-81页 |
| ·诊断系统网络模型的确定 | 第57-58页 |
| ·模式可分性的 Cover 定理 | 第58-60页 |
| ·贝叶斯方法 | 第60-61页 |
| ·径向基层散布常数 | 第61-62页 |
| ·贝叶斯方法在 PNN 中的实现 | 第62-63页 |
| ·各种故障先验概率及风险系数确定 | 第63-65页 |
| ·忽略先验概率及风险系数的诊断专家系统 | 第65-69页 |
| ·故障样本的确定 | 第65-66页 |
| ·诊断专家系统的建立与测试 | 第66-69页 |
| ·考虑先验概率及风险系数的诊断系统 | 第69-77页 |
| ·故障样本的确定 | 第69-72页 |
| ·诊断专家系统的建立与测试 | 第72-74页 |
| ·考虑先验概率的诊断专家系统测试 | 第74-77页 |
| ·小结 | 第77-78页 |
| ·基于 PNN 的柴油机故障诊断专家系统的实现 | 第78-81页 |
| ·整个矿运卡车故障诊断专家系统的实现 | 第78-79页 |
| ·基于 PNN 的柴油机故障诊断专家系统的实现 | 第79-81页 |
| 第六章 结论 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻硕期间取得的研究成果 | 第87页 |