首页--工业技术论文--机械、仪表工业论文--泵论文--叶片式泵论文--离心泵论文

基于BP神经网络的离心油泵故障诊断研究

摘要第1-7页
Abstract第7-11页
第1章 绪论第11-18页
   ·课题的研究背景及意义第11页
   ·发展趋势及研究现状第11-15页
     ·我国泵行业技术的主要发展趋势第11-13页
     ·机械故障诊断学的现状和发展趋势第13-14页
     ·泵故障诊断的研究及发展第14-15页
   ·基于神经网络的专家系统的发展及研究现状第15-16页
   ·本文主要研究内容及技术路线第16-17页
     ·主要研究内容第16页
     ·重点解决的问题第16页
     ·创新之处第16-17页
     ·拟采取的技术路线第17页
   ·本章小结第17-18页
第2章 离心油泵故障诊断技术第18-22页
   ·离心油泵概述第18-19页
   ·离心油泵故障诊断方法第19-20页
     ·以信号处理为基础的方法第19页
     ·以解析模型为基础的方法第19-20页
     ·以知识为基础的方法第20页
   ·离心油泵典型故障分析第20-21页
   ·本章小结第21-22页
第3章 基于融合能量谱和模糊数学理论的故障诊断第22-28页
   ·融合能量谱第22-24页
     ·矢量投影谱第22-24页
     ·转子运动矢量融合能量谱第24页
   ·基于模糊数学理论的故障诊断模型第24-27页
     ·布尔矩阵在故障诊断中的应用第24-26页
     ·模糊聚类分析第26-27页
   ·本章小结第27-28页
第4章 BP 神经网络理论第28-40页
   ·神经网络的工作原理及特点第28-30页
     ·工作原理第28-29页
     ·神经网络的特点第29-30页
   ·网络神经元第30-32页
   ·BP 神经网络理论第32-38页
     ·BP 神经网络的构造第32-33页
     ·BP 神经网络的算法第33-36页
     ·BP 算法的程序实现第36-37页
     ·改进后的 BP 算法第37-38页
   ·基于神经网络的故障诊断应用第38-39页
   ·本章小结第39-40页
第5章 BP 神经网络在离心油泵故障诊断中的应用第40-53页
   ·BP 神经网络训练样本集的获取与处理第40-44页
     ·输入输出量的选择第40-41页
     ·输入量的提取与表示第41页
     ·输出量的表示第41-42页
     ·训练样本集的设计与处理第42-44页
   ·BP 神经网络结构设计第44-46页
     ·隐层数的设计第45页
     ·隐层节点的设计第45-46页
   ·BP 神经网络基于计算机软件的实现第46-48页
     ·神经网络工具箱的功能第46-47页
     ·MATLAB 中神经网络数据结构第47-48页
     ·BP 网络的 MATLAB 实现第48页
   ·BP 神经网络应用于离心油泵的训练及结果第48-52页
   ·本章小结第52-53页
第6章 离心油泵故障诊断专家系统的建立与实现第53-72页
   ·专家系统概述第53-54页
   ·专家系统的结构第54-55页
   ·基于 BP 神经网络的专家系统总体设计第55-57页
   ·离心油泵专家系统知识库的建立及推理第57-59页
     ·知识的表示第58页
     ·知识的获取第58-59页
     ·知识的存储第59页
     ·离心油泵专家系统推理模块的建立第59页
   ·系统的实现第59-71页
     ·系统开发工具的选择第60-62页
     ·系统硬件配置及振动信号的提取第62-63页
     ·PLC 与 PC 的通讯协议第63-65页
     ·专家系统的登录界面第65-66页
     ·专家系统的主界面第66-67页
     ·专家系统历史趋势界面第67页
     ·专家系统参数设定界面第67-68页
     ·专家系统数据库管理界面第68-69页
     ·专家系统推理解释界面第69-70页
     ·专家系统的信息管理和安全退出第70-71页
   ·专家系统的安全保护第71页
   ·本章小结第71-72页
结论第72-74页
致谢第74-75页
参考文献第75-78页
作者简介第78页
攻读硕士学位期间发表的论文第78-79页

论文共79页,点击 下载论文
上一篇:基于ADAMS的门式启闭机动力学仿真分析
下一篇:3-UPU/UPU并联机构刚度求解与优化