基地制氧站故障诊断系统的设计与实现
| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 基地制氧站故障诊断系统的目的和意义 | 第8-11页 |
| 1.1.1 故障诊断专家系统的研究目的和意义 | 第8-10页 |
| 1.1.2 故障诊断专家系统的研究背景 | 第10-11页 |
| 1.2 国内外关于本课题的研究状况 | 第11-12页 |
| 1.3 本文的主要工作 | 第12页 |
| 2 人工神经网络概述 | 第12-26页 |
| 2.1 人工神经元模型 | 第13-16页 |
| 2.2 人工神经网络模型 | 第16-17页 |
| 2.3 人工神经网络的学习 | 第17-18页 |
| 2.4 多层前向网络及BP 学习算法 | 第18-22页 |
| 2.4.1 BP 算法的基本原理 | 第18-19页 |
| 2.4.2 BP 算法的训练步骤和程序设计 | 第19-20页 |
| 2.4.3 BP 算法应注意的问题 | 第20-22页 |
| 2.5 神经网络和专家系统结合的必要性 | 第22-23页 |
| 2.6 基于神经网络的专家系统模型 | 第23-26页 |
| 3 基地制氧站故障诊断系统的设计方案 | 第26-34页 |
| 3.1 系统架构设计 | 第26-28页 |
| 3.2 知识存储子系统的设计 | 第28-30页 |
| 3.3 学习子系统的设计 | 第30-31页 |
| 3.4 推理机子系统的设计 | 第31-32页 |
| 3.5 解释器子系统的设计 | 第32页 |
| 3.6 人机交互子系统的设计 | 第32-33页 |
| 3.7 控制子系统的设计 | 第33页 |
| 3.8 系统开发工具的选择 | 第33-34页 |
| 4 基地制氧站故障诊断对象分析与知识表达 | 第34-39页 |
| 4.1 故障诊断对象分析 | 第34-36页 |
| 4.2 故障数据采集方法与知识表达 | 第36-37页 |
| 4.2.1 基地制氧站故障数据采集 | 第36页 |
| 4.2.2 基地制氧站故障信息表达 | 第36-37页 |
| 4.3 故障诊断层次设计 | 第37-39页 |
| 5 基地制氧站故障诊断系统的具体实现 | 第39-52页 |
| 5.1 基于WEB服务技术的系统实现 | 第39-42页 |
| 5.1.1 Web 服务接口 | 第39-40页 |
| 5.1.2 基于J2EE 的Web 服务模型 | 第40页 |
| 5.1.3 WEB 服务在系统中的应用 | 第40-42页 |
| 5.2 故障诊断系统的实现 | 第42-44页 |
| 5.2.1 系统管理子模块 | 第42页 |
| 5.2.2 故障诊断子模块 | 第42-43页 |
| 5.2.3 知识管理子模块 | 第43页 |
| 5.2.4 神经网络子模块 | 第43-44页 |
| 5.3 故障数据预处理 | 第44-48页 |
| 5.4 基地制氧站故障诊断 | 第48-51页 |
| 5.4.1 神经网络的训练过程和故障诊断 | 第48-50页 |
| 5.4.2 故障诊断结果转换 | 第50-51页 |
| 5.5 系统实现总结 | 第51-52页 |
| 6 结论与展望 | 第52-54页 |
| 6.1 总结 | 第52页 |
| 6.2 展望 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 附录 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间发表的论文 | 第63-64页 |
| 上海交通大学学位论文答辩决议书 | 第64-66页 |
