改进BP算法和模糊逻辑在双轴转台故障诊断中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题研究的目的和意义 | 第8-9页 |
| ·故障诊断技术的发展状况概述 | 第9-12页 |
| ·故障诊断的概念 | 第9页 |
| ·故障诊断发展历程 | 第9-10页 |
| ·诊断方法的分类 | 第10-12页 |
| ·国内外转台故障诊断现状 | 第12-13页 |
| ·本文主要的研究内容 | 第13-14页 |
| 第2章 转台故障的分析与信号的处理 | 第14-30页 |
| ·转台的组成和结构 | 第14-15页 |
| ·转台的常见故障 | 第15-17页 |
| ·机械故障 | 第15-16页 |
| ·控制器故障 | 第16页 |
| ·测角系统故障 | 第16-17页 |
| ·执行器故障 | 第17页 |
| ·通讯故障 | 第17页 |
| ·转台故障决策表的建立 | 第17-18页 |
| ·小波分析的基础理论 | 第18-20页 |
| ·连续小波变换 | 第19页 |
| ·离散小波变换 | 第19-20页 |
| ·小波去噪 | 第20-27页 |
| ·小波去噪的步骤 | 第21-22页 |
| ·自适应阈值规则的选择 | 第22-25页 |
| ·改进阈值函数 | 第25-27页 |
| ·模拟滤波器的设计 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 模糊神经网络在故障诊断中的应用 | 第30-46页 |
| ·模糊神经网络的基础理论 | 第30-33页 |
| ·模糊集合的定义 | 第30页 |
| ·隶属函数确定方法 | 第30-32页 |
| ·模糊推理系统 | 第32-33页 |
| ·模糊系统和神经网络融合的形态 | 第33页 |
| ·BP 神经网络 | 第33-37页 |
| ·BP 神经网络模型 | 第34-35页 |
| ·BP 算法原理 | 第35-36页 |
| ·BP 神经网络的优缺点 | 第36-37页 |
| ·BP 算法的改进 | 第37-40页 |
| ·遗传算法优化网络初始值 | 第37-38页 |
| ·引入惯性项的学习法 | 第38-39页 |
| ·仿真实验及结果分析 | 第39-40页 |
| ·故障诊断的神经网络模型 | 第40-41页 |
| ·网络的结构模型 | 第40-41页 |
| ·故障的决策方法 | 第41页 |
| ·模糊神经网络在诊断中的应用 | 第41-44页 |
| ·训练数据的选取 | 第42页 |
| ·数据的归一化的方法 | 第42页 |
| ·神经网络的训练 | 第42-44页 |
| ·仿真实验与结果分析 | 第44页 |
| ·本章小结 | 第44-46页 |
| 第4章 故障诊断系统的软件实现 | 第46-55页 |
| ·软件平台的选择 | 第46页 |
| ·系统的结构体系 | 第46-51页 |
| ·神经网络训练模块 | 第47-48页 |
| ·小波去噪模块 | 第48-50页 |
| ·数据库管理模块 | 第50页 |
| ·故障诊断模块 | 第50-51页 |
| ·系统实现的关键技术 | 第51-54页 |
| ·混合编程 | 第51-53页 |
| ·多线程 | 第53页 |
| ·数据库连接技术 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 致谢 | 第60页 |
