| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-18页 |
| ·课题来源、研究背景及研究意义 | 第10-11页 |
| ·课题来源和研究背景 | 第10页 |
| ·课题研究的意义 | 第10-11页 |
| ·油液污染分析技术起源与现状 | 第11-14页 |
| ·国外油液污染检测技术的起源与发展 | 第11-13页 |
| ·国内油液污染检测技术的起源与发展 | 第13-14页 |
| ·人工神经网络的发展及应用 | 第14-16页 |
| ·论文研究的技术路线 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 齿轮箱故障诊断中油液监测技术分析 | 第18-26页 |
| ·润滑油在设备中的作用 | 第18页 |
| ·油液污染与机械磨损的关系 | 第18-19页 |
| ·油液污染检测方法及结果评判 | 第19-22页 |
| ·铁谱技术及其特点 | 第21-22页 |
| ·光谱技术及其特点 | 第22页 |
| ·齿轮箱摩擦学特性研究 | 第22-24页 |
| ·齿轮油的诊断方法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 神经网络在油液污染与机械磨损中的应用 | 第26-42页 |
| ·人工神经网络在油液污染判断中应用的可行性分析 | 第26-29页 |
| ·背景概述 | 第26页 |
| ·油液监测数据的特点 | 第26-27页 |
| ·人工神经网络的特点 | 第27-29页 |
| ·BP 算法及其改进 | 第29-33页 |
| ·普通 BP 算法及其局限性分析 | 第29-31页 |
| ·改进的 BP 算法 | 第31-33页 |
| ·改进 BP 神经网络在油液污染与磨损关系判别中的应用 | 第33-40页 |
| ·模型的建立 | 第33-35页 |
| ·样本的选取和数据处理 | 第35-37页 |
| ·BP 算法的流程图 | 第37-38页 |
| ·实验结果与结论分析 | 第38-40页 |
| ·本章小结 | 第40-42页 |
| 4 灰色理论在油液污染与机械磨损中的应用 | 第42-54页 |
| ·灰色理论在油液污染与机械磨损预测中的可行性分析 | 第42-44页 |
| ·背景概述 | 第42页 |
| ·油液监测时序数据的特点 | 第42-43页 |
| ·灰色系统理论的特点 | 第43-44页 |
| ·灰色系统的生成 | 第44-46页 |
| ·累加生成 | 第45页 |
| ·累减生成 | 第45-46页 |
| ·GM(1，1)模型 | 第46-49页 |
| ·等间距 GM(1，1)模型 | 第46-48页 |
| ·精度检验 | 第48-49页 |
| ·模型应用 | 第49-53页 |
| ·污染度与机械磨损之间的关联程度 | 第49-51页 |
| ·污染磨损关系的预测与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-55页 |
| 结论 | 第54页 |
| 问题与展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 个人简历 | 第60-61页 |
| 附录 | 第61-62页 |