摘要 | 第1-5页 |
ABSTRACT | 第5-9页 |
1 绪论 | 第9-13页 |
·遥测天线系统与智能诊断概述 | 第9-10页 |
·遥测系统概述 | 第9页 |
·遥测天线系统概述 | 第9页 |
·天线系统趋势预测及智能诊断技术研究的意义和目的 | 第9-10页 |
·天线系统趋势预测及智能诊断技术的发展概况 | 第10-12页 |
·天线系统早期故障趋势预示技术在国内外的发展概况 | 第10-11页 |
·故障智能诊断技术的发展概况 | 第11-12页 |
·本章小结 | 第12-13页 |
2 天线系统故障诊断的基本原理及信号分析方法 | 第13-24页 |
·天线设备故障诊断的基本原理 | 第13-15页 |
·机械设备劣化进程中的一般性规律 | 第13-14页 |
·天线故障诊断的基本内容 | 第14页 |
·天线故障诊断的过程 | 第14-15页 |
·振动信号分析的基本方法 | 第15-21页 |
·信号的时域分析 | 第16页 |
·信号的频域分析 | 第16-17页 |
·小波分析方 | 第17-21页 |
·天线主要部件常见故障分析 | 第21-23页 |
·变速箱 | 第21-22页 |
·电动机故障诊断 | 第22-23页 |
·本章小结 | 第23-24页 |
3 天线机械故障诊断系统硬件设计 | 第24-28页 |
·天线机械故障诊断系统构成 | 第24页 |
·系统硬件结构及工作原理 | 第24-26页 |
·系统硬件总体结构 | 第24-25页 |
·系统工作原理 | 第25页 |
·各主要器件工作原理 | 第25-26页 |
·硬件电路具体应用 | 第26-27页 |
·本章小结 | 第27-28页 |
4 神经网络趋势预测方法的研究 | 第28-36页 |
·引言 | 第28-29页 |
·非线性预测背景及神经网络预测方法的提出 | 第28-29页 |
·振动状态预报应具备的条件 | 第29页 |
·预测模型评价指标的设定 | 第29页 |
·人工神经网络 | 第29-32页 |
·人工神经网络简介及特点 | 第29-30页 |
·BP 神经网络的学习算法 | 第30页 |
·BP 神经网络的改进方法 | 第30-32页 |
·BP 神经网络在天线系统趋势预测中的建模应用 | 第32-34页 |
·预测样本的选取及分组 | 第32页 |
·样本的归一化处理 | 第32-33页 |
·预测数据的反归一化处理 | 第33页 |
·网络拓扑结构的确定 | 第33-34页 |
·基于均值函数新息加权的神经网络预测模型研究 | 第34-35页 |
·基于均值函数新息加权的神经网络预测方法的提出及理论依据 | 第34-35页 |
·本章小结 | 第35-36页 |
5 面向对象的故障智能诊断专家系统的研究 | 第36-52页 |
·采用面向对象技术的故障智能诊断专家系统的提出 | 第36页 |
·面向对象技术的基本思想和概念 | 第36-38页 |
·专家系统的概念及组成结构 | 第38-39页 |
·面向对象的故障智能诊断专家系统的知识库 | 第39-44页 |
·面向对象的知识表示方法 | 第39-41页 |
·知识对象的层次结构 | 第41-43页 |
·知识库的结构及组织形式 | 第43-44页 |
·面向对象的故障智能诊断推理机 | 第44-49页 |
·面向对象的诊断推理方法 | 第45页 |
·诊断推理机的系统结构 | 第45-46页 |
·诊断推理机的规则解释器 | 第46-47页 |
·诊断推理机的黑板控制 | 第47页 |
·诊断推理机的控制策略 | 第47-48页 |
·诊断推理机的搜索算法 | 第48-49页 |
·采用面向对象技术建立天线故障智能诊断专家系统 | 第49-51页 |
·天线故障智能诊断专家系统概述 | 第49-50页 |
·天线系统故障诊断知识库的建立 | 第50-51页 |
·本章小结 | 第51-52页 |
6 遥测天线系统的智能故障诊断实现 | 第52-58页 |
·天线系统智能故障诊断系统的构建 | 第52-54页 |
·天线系统智能故障诊断系统的组成模块 | 第52-53页 |
·天线系统智能故障诊断系统的主程序 | 第53-54页 |
·以扩大机为例阐述知识库的建立 | 第54-55页 |
·智能故障诊断系统的初步实现 | 第55-57页 |
·本章小结 | 第57-58页 |
7 结论 | 第58-59页 |
致谢 | 第59-60页 |
参考文献 | 第60-63页 |