| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 课题来源与研究的意和及应用价值 | 第10-11页 |
| 1.1.1 课题来源 | 第10页 |
| 1.1.2 课题研究的意义及应用价值 | 第10-11页 |
| 1.2 故障诊断技术研究现状 | 第11-15页 |
| 1.2.1 常见故障诊断技术 | 第11-13页 |
| 1.2.2 模糊神经网络故障诊断技术 | 第13-15页 |
| 1.3 水泵故障诊断技术现状 | 第15-17页 |
| 1.3.1 水泵故障诊断技术现状 | 第15-16页 |
| 1.3.2 供热循环水泵故障诊断技术现状 | 第16-17页 |
| 1.4 本文研究的主要内容及创新点 | 第17-20页 |
| 1.4.1 本文研究的主要内容 | 第17-18页 |
| 1.4.2 论文结构 | 第18-19页 |
| 1.4.3 本文创新点 | 第19-20页 |
| 第二章 供热循环泵常见故障分析 | 第20-28页 |
| 2.1 水泵运行特点 | 第20-23页 |
| 2.2 供热循环泵的主要故障 | 第23-25页 |
| 2.3 供热循环泵故障机理分析 | 第25-26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 故障诊断模型理论分析 | 第28-48页 |
| 3.1 模糊理论 | 第28-31页 |
| 3.1.1 模糊理论理论基础 | 第28-29页 |
| 3.1.2 模糊规则与模糊推理 | 第29页 |
| 3.1.3 模糊逻辑系统 | 第29-30页 |
| 3.1.4 模糊系统存在的问题 | 第30-31页 |
| 3.2 人工神经网络 | 第31-35页 |
| 3.2.1 神经网络理论基础 | 第31-32页 |
| 3.2.2 神经网络结构 | 第32-33页 |
| 3.2.3 神经网络学习 | 第33-35页 |
| 3.2.4 神经网络存在的问题 | 第35页 |
| 3.3 BP 神经网络 | 第35-39页 |
| 3.3.1 BP 神经网络的结构 | 第35-37页 |
| 3.3.2 BP 神经网络算法 | 第37-38页 |
| 3.3.3 BP 算法的程序实现 | 第38-39页 |
| 3.4 模糊神经网络 | 第39-46页 |
| 3.4.1 模糊系统和神经网络的融合 | 第39-41页 |
| 3.4.2 模糊神经网络的结构 | 第41-46页 |
| 3.5 本章小结 | 第46-48页 |
| 第四章 基于模糊神经网络的供热循环泵故障诊断 | 第48-64页 |
| 4.1 模糊神经网络在供热循环泵故障诊断中的应用 | 第48页 |
| 4.2 循环泵模糊神经网络模型 | 第48-52页 |
| 4.2.1 循环泵模糊神经网络模型编程软件选择 | 第48页 |
| 4.2.2 循环泵模型设计思路 | 第48-49页 |
| 4.2.3 特征空间模糊划分 | 第49页 |
| 4.2.4 循环泵模糊神经网络模型的结构与算法 | 第49-52页 |
| 4.3 模糊神经网络的训练 | 第52-57页 |
| 4.3.1 循环泵故障诊断的样本 | 第52-55页 |
| 4.3.2 循环泵故障诊断模型的构造 | 第55-57页 |
| 4.4 循环泵故障诊断模型的仿真与分析 | 第57-62页 |
| 4.4.1 循环泵故障诊断模型的仿真 | 第57-59页 |
| 4.4.2 仿真结果分析 | 第59-62页 |
| 4.5 本章小结 | 第62-64页 |
| 第五章 循环泵智能故障诊断在城镇供热 GIS 系统的实现 | 第64-72页 |
| 5.1 城镇供热 GIS 系统总体设计 | 第64-67页 |
| 5.2 城镇供热 GIS 系统的开发软件设计 | 第67-69页 |
| 5.3 循环泵故障诊断系统总体框架 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 附录 | 第78-84页 |
| 致谢 | 第84-86页 |
| 攻读学位期间发表的学术论文目录 | 第86页 |