基于优化理论的神经网络研究及在抽油机故障诊断中的应用
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 创新点摘要 | 第7-8页 |
| 目录 | 第8-11页 |
| 前言 | 第11-26页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·抽油机故障诊断技术及其发展 | 第12-17页 |
| ·故障诊断技术 | 第12-13页 |
| ·抽油机的故障诊断 | 第13-15页 |
| ·故障诊断的发展方向 | 第15-17页 |
| ·神经网络技术及其在故障诊断中的应用 | 第17-24页 |
| ·人工神经网络(ANN) | 第17-18页 |
| ·基于神经网络的故障诊断方法 | 第18-22页 |
| ·神经网络在抽油机故障诊断中的应用 | 第22-24页 |
| ·论文研究内容 | 第24页 |
| ·论文安排 | 第24-26页 |
| 第1章 基于自适应遗传算法的可拓神经网络 | 第26-47页 |
| ·引言 | 第26页 |
| ·可拓性理论 | 第26-31页 |
| ·物元 | 第27-30页 |
| ·可拓集合 | 第30页 |
| ·关联函数 | 第30-31页 |
| ·可拓神经网络 | 第31-39页 |
| ·可拓神经网络可行性分析 | 第32页 |
| ·可拓神经网络优势 | 第32-33页 |
| ·可拓神经网络结构 | 第33-39页 |
| ·自适应遗传算法 | 第39-44页 |
| ·遗传算法的基本思想 | 第39-40页 |
| ·遗传算法的基本概念 | 第40-41页 |
| ·算法的改进 | 第41-42页 |
| ·自适应遗传算法的性能测试 | 第42-44页 |
| ·基于自适应遗传算法的可拓神经网络(GENN) | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第2章 基于免疫遗传机制的RBF神经网络 | 第47-65页 |
| ·引言 | 第47-48页 |
| ·径向基函数(RBF)神经网络 | 第48-52页 |
| ·免疫遗传算法 | 第52-63页 |
| ·人工免疫算法 | 第52-55页 |
| ·免疫遗传算法原理 | 第55-56页 |
| ·算法流程 | 第56-57页 |
| ·算法改进 | 第57-60页 |
| ·收敛性分析 | 第60-62页 |
| ·改进免疫遗传算法性能测试 | 第62-63页 |
| ·基于改进免疫遗传的RBF神经网络 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第3章 基于粒子群算法优化的神经网络 | 第65-79页 |
| ·引言 | 第65-66页 |
| ·粒子群优化算法 | 第66-75页 |
| ·基本pso算法数学描述 | 第66-67页 |
| ·算法流程 | 第67-68页 |
| ·算法改进 | 第68-71页 |
| ·改进算法的收敛性分析 | 第71-72页 |
| ·改进粒子群算法的性能测试 | 第72-75页 |
| ·基于改进粒子群方法的神经网络 | 第75-78页 |
| ·优化神经网络方法 | 第75页 |
| ·神经网络的建立 | 第75-78页 |
| ·本章小结 | 第78-79页 |
| 第4章 抽油机故障诊断 | 第79-103页 |
| ·引言 | 第79页 |
| ·数据采集及处理 | 第79-80页 |
| ·故障特征提取 | 第80-84页 |
| ·抽油机故障诊断 | 第84-100页 |
| ·基于可拓神经网络的抽油机故障诊断 | 第84-87页 |
| ·基于免疫遗传RBF神经网络的抽油机故障诊断 | 第87-90页 |
| ·基于粒子群神经网络的抽油机故障诊断 | 第90-99页 |
| ·故障结果对比分析 | 第99-100页 |
| ·故障诊断软件包 | 第100-102页 |
| ·本章小结 | 第102-103页 |
| 结论 | 第103-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-114页 |
| 攻读博士期间发表的论文和科研情况 | 第114-115页 |
| 论文摘要 | 第115-137页 |
