基于模糊神经网络和遗传算法的故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| 1．1 故障诊断研究的意义与目的 | 第8-11页 |
| 1．1．1 故障诊断的概念 | 第9-10页 |
| 1．1．2 故障诊断的内容 | 第10-11页 |
| 1．2 故障诊断技术综述 | 第11-16页 |
| 1．2．1 故障诊断技术的发展概况 | 第11-13页 |
| 1．2．2 故障诊断方法研究 | 第13-16页 |
| 1．3 论文研究内容 | 第16-17页 |
| 1．4 本章小结 | 第17-18页 |
| 2 模糊理论及其应用 | 第18-29页 |
| 2．1 模糊理论 | 第18-25页 |
| 2．1．1 模糊理论的基本概念 | 第18页 |
| 2．1．2 模糊集合的表示方法 | 第18-20页 |
| 2．1．3 模糊集合的运算 | 第20页 |
| 2．1．4 隶属函数的建立与模糊分布 | 第20-25页 |
| 2．2 模糊推理 | 第25-27页 |
| 2．2．1 模糊推理的方法 | 第25-26页 |
| 2．2．2 模糊推理举例 | 第26-27页 |
| 2．3 模糊推理的实现 | 第27-28页 |
| 2．4 本章小结 | 第28-29页 |
| 3 人工神经网络及其应用 | 第29-45页 |
| 3．1 人工神经网络的概述 | 第29-33页 |
| 3．1．1 神经网络的基本概念 | 第29-31页 |
| 3．1．2 神经网络的基本模型 | 第31-32页 |
| 3．1．3 神经网络的特性 | 第32-33页 |
| 3．2 BP神经网络模型及算法 | 第33-37页 |
| 3．2．1 BP网络结构 | 第33-34页 |
| 3．2．2 BP网络的算法 | 第34-37页 |
| 3．2．3 BP算法改进—附加动量项 | 第37页 |
| 3．3 BP算法的实现 | 第37-44页 |
| 3．3．1 BP网络的设计 | 第37-39页 |
| 3．3．2 BP网络的训练与仿真 | 第39-44页 |
| 3．4 本章小结 | 第44-45页 |
| 4 遗传算法及其应用 | 第45-64页 |
| 4．1 遗传算法概述 | 第45-49页 |
| 4．1．1 遗传算法的基本思想 | 第45-48页 |
| 4．1．2 遗传算法的特点 | 第48-49页 |
| 4．2 遗传算法的基本原理与操作 | 第49-57页 |
| 4．2．1 编码 | 第50-51页 |
| 4．2．2 初始种群的产生 | 第51页 |
| 4．2．3 遗传算法的基本操作 | 第51-56页 |
| 4．2．4 适应度函数 | 第56-57页 |
| 4．3 遗传算法的实现 | 第57-63页 |
| 4．3．1 控制参数的设计 | 第57-58页 |
| 4．3．2 遗传算法工具箱函数 | 第58-59页 |
| 4．3．3 遗传算法优化实例 | 第59-63页 |
| 4．4 本章小结 | 第63-64页 |
| 5 基于模糊神经网络和遗传算法的故障诊断 | 第64-88页 |
| 5．1 故障模糊化处理 | 第64-67页 |
| 5．2 故障模糊推理诊断 | 第67-72页 |
| 5．3 模糊神经网络对故障的诊断 | 第72-76页 |
| 5．4 模糊神经网络与遗传算法相结合的故障诊断 | 第76-87页 |
| 5．4．1 FNN-GA的数学模型 | 第76页 |
| 5．4．2 遗传算法优化模糊神经网络权重的步骤 | 第76-81页 |
| 5．4．3 FNN-GA故障诊断的实现 | 第81-87页 |
| 5．5 本章小结 | 第87-88页 |
| 结论 | 第88-90页 |
| 参考文献 | 第90-92页 |
| 攻读硕士学位期间发表学术论文情况 | 第92-93页 |
| 致谢 | 第93-94页 |
| 大连理工大学学位论文版权使用授权书 | 第94页 |
