首页--交通运输论文--水路运输论文--船舶保养、修理和拆船工艺论文

船舶冷藏集装箱制冷系统远程故障监测、预报及诊断研究

引言第1-12页
第一章 远程故障监测、预报及诊断技术第12-18页
   ·远程故障监测、预报及诊断技术概述第12-14页
     ·远程故障监测、诊断及预报技术发展历程第13页
     ·远程故障诊断技术的优点第13-14页
   ·远程故障诊断的关键问题和基础技术第14-16页
     ·远程故障诊断的关键问题第14-15页
     ·远程故障诊断的基础技术第15-16页
   ·冷藏集装箱制冷机组远程监测、预报及诊断技术第16-18页
     ·冷藏集装箱监测系统的发展及现状第16-17页
     ·设备监测的新要求——远程智能监测故障诊断第17-18页
第二章 远程故障监测、预报及诊断系统的体系结构第18-29页
   ·远程故障诊断系统的总体框架第18-21页
     ·远程故障诊断系统基本组成第18页
     ·远程故障诊断系统总体结构第18-20页
     ·故障诊断系统的硬件结构第20-21页
   ·远程故障诊断系统功能结构第21-27页
     ·系统的逻辑结构第21页
     ·系统的功能结构第21-27页
   ·网络通讯技术与数据传输技术第27-28页
     ·基本的数据传输技术第27页
     ·INTERNET接入技术第27-28页
   ·远程故障诊断系统网络体系结构第28-29页
     ·基于客户机/服务器模式第28页
     ·基于浏览器/服务器模式第28页
     ·可连接对象和连接点机制的基本原理第28-29页
第三章 船舶冷藏集装箱制冷系统及其故障调查与分析第29-37页
   ·冷藏集装箱运输第29-30页
     ·世界冷藏集装箱运输的现状第29页
     ·冷藏集装箱运输的优点第29-30页
   ·船舶冷藏集装箱蒸气压缩式制冷机组第30-34页
     ·机械内置式冷藏集装箱第30-32页
     ·蒸气压缩式冷藏集装箱制冷系统第32-34页
   ·船舶冷藏集装箱制冷系统的软故障与硬故障第34页
   ·船舶冷藏集装箱制冷系统的故障调查与分析第34-37页
第四章 基于BP神经网络的故障诊断方法第37-48页
   ·故障诊断方法介绍第37-39页
     ·基于模型的诊断方法第37页
     ·基于知识的诊断方法第37-39页
   ·BP神经网络故障诊断模型第39-46页
     ·神经网络简介第39页
     ·神经元模型第39-40页
     ·基于BP算法的神经网络模型第40-44页
     ·BP神经网络的改进第44-45页
     ·BP算法程序流程图和算法步骤第45-46页
   ·实现神经网络算法的编程语言(VB)简介第46-48页
第五章 船舶冷藏集装箱制冷机组远程故障监测、预报及诊断系统的体系结构第48-60页
   ·冷藏集装箱故远程故障监测、诊断系统概述第48页
   ·冷藏集装箱制冷系统故障的特征第48-50页
   ·运行参数分析第50-52页
   ·故障监测与诊断特征参数的选取第52-54页
     ·故障监测与诊断特征参数的选取原则第52-53页
     ·特征参数的确定第53-54页
   ·参数的处理办法第54-55页
   ·通讯方案第55-59页
     ·通讯方案的对比第55-58页
     ·通讯方案的选择第58-59页
   ·冷藏集装箱远程故障监测、预报及诊断系统的基本框架第59-60页
第六章 船舶远程预监测、预报及诊断系统的实现第60-78页
   ·船舶冷藏集装箱故障样本的采集及故障库的建立第60-71页
     ·上海海事大学冷藏集装箱试验平台第60-61页
     ·试验方案第61-63页
       ·故障样本的选取第62页
       ·制冷装置运行参数的选择第62-63页
     ·试验数据第63-65页
     ·试验数据分析第65-66页
     ·数据归一化处理及故障诊断参数范例集第66-67页
     ·船舶冷藏集装箱制冷系统故障库的建立第67-71页
   ·系统软件的实现第71-78页
     ·开机主界面第71-72页
     ·神经网络训练界面第72-74页
     ·冷藏集装箱参数监测界面第74-75页
     ·冷藏集装箱故障预警界面第75-76页
     ·故障分析界面第76-78页
结论和展望第78-79页
致谢第79-80页
参考文献第80-82页
符号说明第82页

论文共82页,点击 下载论文
上一篇:多轴向多激励随机振动高精度控制研究
下一篇:矮塔斜拉桥设计理论核心问题研究