| 摘要 | 第1-3页 |
| Abstract | 第3-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景和意义 | 第9页 |
| ·船舶柴油机故障诊断技术的研究现状 | 第9-13页 |
| ·热力参数监测法 | 第10页 |
| ·振动信号检测分析法 | 第10-11页 |
| ·曲轴瞬时转速监测法 | 第11页 |
| ·应用光谱、铁谱技术的油液分析检测法 | 第11页 |
| ·基于灰色系统理论诊断法 | 第11-12页 |
| ·基于人工神经网络诊断法 | 第12-13页 |
| ·船舶柴油机故障诊断技术存在的主要问题 | 第13-14页 |
| ·船舶柴油机故障诊断技术的发展趋势 | 第14页 |
| ·主要研究内容与文章结构 | 第14-16页 |
| ·主要研究内容 | 第14-15页 |
| ·文章结构 | 第15-16页 |
| 第2章 神经网络基本理论 | 第16-29页 |
| ·人工神经网络 | 第16-19页 |
| ·人工神经元模型 | 第16-17页 |
| ·神经网络的学习机理及特点 | 第17-19页 |
| ·BP 神经网络 | 第19-24页 |
| ·BP 神经网络模型 | 第20页 |
| ·BP 神经网络结构和学习算法 | 第20-24页 |
| ·径向基函数神经网络 | 第24-28页 |
| ·RBF 神经网络模型 | 第24-26页 |
| ·RBF 神经网络结构和学习算法 | 第26-28页 |
| ·BP 网络和 RBF 网络的优缺点 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第3章 遗传优化 RBF 神经网络 | 第29-39页 |
| ·遗传算法基本原理 | 第29页 |
| ·遗传算法步骤 | 第29-31页 |
| ·编码方式 | 第29-30页 |
| ·群体规模和适应度函数 | 第30页 |
| ·遗传操作 | 第30-31页 |
| ·遗传算法的不足 | 第31-32页 |
| ·自适应遗传算法 | 第32-34页 |
| ·自适应遗传算法概况 | 第32页 |
| ·交叉概率和变异概率的确定 | 第32-34页 |
| ·遗传神经网络 | 第34-38页 |
| ·遗传算法优化神经网络的必要性 | 第34-35页 |
| ·遗传算法优化神经网络的实现步骤 | 第35-36页 |
| ·自适应遗传算法优化神经网络的具体实现 | 第36-38页 |
| ·自适应遗传神经网络的优点 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第4章 船舶柴油机故障特征值的选取 | 第39-48页 |
| ·船舶柴油机结构及故障分类 | 第39-40页 |
| ·船舶柴油机燃油系统 | 第40-47页 |
| ·燃油系统的工作原理 | 第40-41页 |
| ·燃油系统高压油管压力波 | 第41-42页 |
| ·柴油机燃油系统的几种常见的故障 | 第42-46页 |
| ·诊断特征参数识别 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 船舶柴油机燃油系统故障诊断 | 第48-60页 |
| ·基于 RBF 神经网络的柴油机燃油系统的故障诊断 | 第48-58页 |
| ·输入输出向量及数据样本集的确定 | 第48-49页 |
| ·网络结构的确定 | 第49-51页 |
| ·网络的训练与测试 | 第51-55页 |
| ·故障诊断网络仿真实验比较 | 第55-56页 |
| ·加入扰动后故障诊断网络性能比较 | 第56-58页 |
| ·基于 BP 网络的船舶柴油机故障诊断 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 船舶柴油机故障诊断系统软件的开发 | 第60-71页 |
| ·虚拟仪器与 LabVIEW | 第60-61页 |
| ·虚拟仪器技术在柴油机故障诊断中的应用 | 第61页 |
| ·故障诊断系统中接口技术 | 第61-63页 |
| ·调用 MATLAB Script 节点 | 第61-62页 |
| ·调用 ActiveX 函数模板 | 第62-63页 |
| ·船舶柴油机故障诊断系统设计 | 第63-70页 |
| ·密码登录系统 | 第63-65页 |
| ·系统初始化 | 第65-66页 |
| ·故障诊断主界面 | 第66-70页 |
| ·本章小结 | 第70-71页 |
| 结论与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |