OCV阀智能化测试方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·课题来源 | 第9页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究水平和发展现状 | 第10-13页 |
| ·研究的主要内容和创新点 | 第13-14页 |
| ·研究的目的 | 第13页 |
| ·研究的主要内容 | 第13页 |
| ·本文的创新点 | 第13-14页 |
| 第2章 OCV 阀原理特性与现有测试方法分析 | 第14-19页 |
| ·OCV 阀的结构和工作原理 | 第14-15页 |
| ·现有的 OCV 阀测试方法 | 第15-16页 |
| ·现有方法的测试效果 | 第16-18页 |
| ·现有测试中存在的主要问题 | 第18-19页 |
| 第3章 提高测试结果准确性研究 | 第19-41页 |
| ·方案对比与选择 | 第19-22页 |
| ·频域分析方法 | 第19-21页 |
| ·模式识别方法 | 第21-22页 |
| ·OCV 阀质量检测的小波变换方法 | 第22-27页 |
| ·流量曲线跳变点检测的小波方法实验 | 第23-27页 |
| ·实验结果分析 | 第27页 |
| ·OCV 阀质量检测的人工神经网络方法 | 第27-36页 |
| ·BP 神经网络方法步骤 | 第27-29页 |
| ·用于 OCV 阀分类的网络模型建立 | 第29-32页 |
| ·BP 神经网络对 OCV 阀分类的仿真实验 | 第32-34页 |
| ·实验结果分析和改进方法 | 第34-36页 |
| ·测试软件设计 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第4章 提高测试效率的方法研究 | 第41-57页 |
| ·测试低效原因分析与改进方案选择 | 第41-44页 |
| ·测试低效原因分析 | 第41-42页 |
| ·筛选冗余数据的方法比较 | 第42-44页 |
| ·基于 BP 神经网络与 MIV 的变量筛选 | 第44-46页 |
| ·变量筛选实验 | 第44-45页 |
| ·实验结果分析 | 第45-46页 |
| ·稳定流量预测法提高测试效率 | 第46-55页 |
| ·建立流量稳定模型方案分析 | 第46-47页 |
| ·模型对比选择实验 | 第47-51页 |
| ·提高流量预测模型精度 | 第51-53页 |
| ·流量预测模型合理性分析 | 第53-55页 |
| ·本章小结 | 第55-57页 |
| 第5章 工作总结与展望 | 第57-59页 |
| ·工作总结 | 第57-58页 |
| ·下一步工作的展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
