| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 论文研究目的及意义 | 第15-16页 |
| 1.2 故障诊断研究现状 | 第16-18页 |
| 1.3 故障诊断发展趋势 | 第18-19页 |
| 1.4 论文研究的主要内容 | 第19-20页 |
| 1.5 本章小结 | 第20-21页 |
| 第二章 电机生产线工艺及故障 | 第21-32页 |
| 2.1 电机生产线简介 | 第21-22页 |
| 2.2 电机生产线工艺 | 第22-25页 |
| 2.2.1 自动压定子工位 | 第22-23页 |
| 2.2.2 自动放红岗工位 | 第23-24页 |
| 2.2.3 自动放波垫工位 | 第24页 |
| 2.2.4 其它工位 | 第24-25页 |
| 2.3 电机生产线故障分析 | 第25-30页 |
| 2.3.1 电机生产线故障分类 | 第25-28页 |
| 2.3.2 电机生产线故障诊断方法 | 第28-29页 |
| 2.3.3 电机生产线故障诊断方案 | 第29-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 遗传算法优化BP神经网络 | 第32-45页 |
| 3.1 BP神经网络 | 第32-38页 |
| 3.1.1 人工神经网络 | 第32-34页 |
| 3.1.2 BP神经网络结构及算法 | 第34-37页 |
| 3.1.3 BP神经网络在故障诊断中的应用 | 第37-38页 |
| 3.2 遗传算法优化BP神经网络 | 第38-44页 |
| 3.2.1 BP神经网络缺陷 | 第38-39页 |
| 3.2.2 BP神经网络优化方法 | 第39-40页 |
| 3.2.3 遗传算法优化BP神经网络 | 第40-44页 |
| 3.3 本章小结 | 第44-45页 |
| 第四章 基于遗传BP神经网络的电机生产线子网故障诊断 | 第45-59页 |
| 4.1 基于遗传BP神经网络的故障诊断模型设计 | 第45-49页 |
| 4.1.1 训练样本的准备 | 第45-46页 |
| 4.1.2 BP神经网络设计 | 第46-47页 |
| 4.1.3 遗传算法设计 | 第47-49页 |
| 4.2 送定子X轴电缸系统故障诊断子网建模与仿真 | 第49-58页 |
| 4.2.1 基于BP神经网络的故障诊断建模与仿真 | 第49-55页 |
| 4.2.2 基于遗传BP神经网络的故障诊断建模与仿真 | 第55-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第五章 基于遗传BP神经网络的电机生产线系统故障诊断 | 第59-68页 |
| 5.1 基于遗传BP神经网络的电机生产线系统故障诊断 | 第59页 |
| 5.2 故障诊断子网 | 第59-63页 |
| 5.2.1 送定子电机系统故障诊断子网建模与仿真 | 第60-61页 |
| 5.2.2 送定子Y轴电缸系统故障诊断子网建模与仿真 | 第61-63页 |
| 5.3 自动压定子工位子网融合故障诊断 | 第63-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第73页 |
