| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第17-23页 |
| 1.1 选题背景及研究意义 | 第17-18页 |
| 1.1.1 研究背景 | 第17页 |
| 1.1.2 研究意义 | 第17-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.2.1 故障分析的研究现状 | 第18-20页 |
| 1.2.2 故障率预测的研究现状 | 第20-21页 |
| 1.3 研究目的、内容、思路 | 第21-22页 |
| 1.3.1 研究目的 | 第21页 |
| 1.3.2 研究内容和思路 | 第21-22页 |
| 1.4 研究方法 | 第22页 |
| 1.5 本章小结 | 第22-23页 |
| 2 桥式起重机故障分析 | 第23-31页 |
| 2.1 桥式起重机概述 | 第23-26页 |
| 2.1.1 桥式起重机结构 | 第23-24页 |
| 2.1.2 桥式起重机分类 | 第24-25页 |
| 2.1.3 桥式起重机安全防护装置 | 第25-26页 |
| 2.2 桥式起重机故障类型分析 | 第26-30页 |
| 2.2.1 桥式起重机主要故障类型 | 第27-29页 |
| 2.2.2 桥式起重机故障原因分类 | 第29-30页 |
| 2.3 本章小结 | 第30-31页 |
| 3 桥式起重机故障的分析方法 | 第31-49页 |
| 3.1 常用的故障分析方法 | 第31页 |
| 3.2 故障树分析法 | 第31-37页 |
| 3.2.1 故障树符号与应用 | 第31-34页 |
| 3.2.2 故障树分析法的定性定量分析 | 第34-35页 |
| 3.2.3 故障树分析方法的应用 | 第35-36页 |
| 3.2.4 故障树分析法的缺点 | 第36-37页 |
| 3.3 层次分析法 | 第37-42页 |
| 3.3.1 层次分析法结构模型的建立 | 第37-40页 |
| 3.3.2 判断矩阵的建立及组合权重值的确定 | 第40-42页 |
| 3.4 故障树分析法与层次分析法相结合 | 第42-43页 |
| 3.5 故障分析的意义 | 第43-45页 |
| 3.5.1 在桥式起重机械使用过程中经常发生的事故 | 第43-44页 |
| 3.5.2 故障分析与事故之间的关系 | 第44-45页 |
| 3.6 本章小结 | 第45-49页 |
| 4 故障发生概率的预测 | 第49-61页 |
| 4.1 故障概率的预测方法 | 第49-50页 |
| 4.2 基于BP神经网络的桥式起重机故障率的预测 | 第50-54页 |
| 4.2.1 BP神经网络 | 第50-52页 |
| 4.2.2 预测数据来源 | 第52-54页 |
| 4.3 遗传算法优化神经网络 | 第54-57页 |
| 4.3.1 遗传算法介绍 | 第54页 |
| 4.3.2 遗传算法优化神经网络 | 第54-57页 |
| 4.4 Elman神经网络 | 第57-59页 |
| 4.4.1 Elman神经网络结构 | 第58页 |
| 4.4.2 Elman神经网络学习过程 | 第58-59页 |
| 4.5 本章小结 | 第59-61页 |
| 5 神经网络预测及MATLAB的实现 | 第61-75页 |
| 5.1 BP神经网络的建立 | 第61-63页 |
| 5.1.1 BP神经网络参数的选择 | 第61-62页 |
| 5.1.2 BP神经网络MATLAB实现 | 第62-63页 |
| 5.2 遗传算法优化神经网络 | 第63-69页 |
| 5.2.1 遗传算法的设置 | 第63-65页 |
| 5.2.2 遗传算法优化BP神经网络输出 | 第65-66页 |
| 5.2.3 预测输出和期望输出结果 | 第66-68页 |
| 5.2.4 对预测误差进行分析 | 第68-69页 |
| 5.3 Elman神经网络 | 第69-74页 |
| 5.3.1 Elman神经网络的结构 | 第69-70页 |
| 5.3.2 神经网络的训练 | 第70-71页 |
| 5.3.3 Elman神经网络预测结果分析 | 第71-74页 |
| 5.4 本章小结 | 第74-75页 |
| 6 结论与展望 | 第75-77页 |
| 6.1 结论 | 第75页 |
| 6.2 展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介及读研期间主要科研成果 | 第83页 |