| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 1 引言 | 第12-15页 |
| ·论文选题背景及研究意义 | 第12-13页 |
| ·国内外研究现状及发展趋势 | 第13-14页 |
| ·论文主要工作 | 第14页 |
| ·论文结构 | 第14-15页 |
| 2 神经网络和进化计算 | 第15-24页 |
| ·神经网络基本概念 | 第15页 |
| ·BP神经网络 | 第15-18页 |
| ·BP网络结构 | 第15-16页 |
| ·BP学习算法 | 第16-17页 |
| ·BP算法流程 | 第17-18页 |
| ·Levenberg-Marquardt算法 | 第18-19页 |
| ·Levenberg-Marquardt算法简介 | 第18页 |
| ·Levenberg-Marquardt算法优化BP神经网络描述 | 第18-19页 |
| ·LM算法计算步骤 | 第19页 |
| ·粒子群优化算法 | 第19-22页 |
| ·粒子群优化算法基本原理 | 第19-20页 |
| ·粒子群优化算法描述 | 第20页 |
| ·粒子群优化算法优点 | 第20-21页 |
| ·粒子群优化算法的基本流程 | 第21-22页 |
| ·遗传算法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 专家系统与神经网络专家系统 | 第24-28页 |
| ·专家系统 | 第24-25页 |
| ·专家系统概述 | 第24页 |
| ·专家系统结构 | 第24-25页 |
| ·神经网络与专家系统的结合 | 第25-26页 |
| ·专家系统的缺陷 | 第25页 |
| ·专家系统和神经网络的互补 | 第25-26页 |
| ·神经网络专家系统基本理论 | 第26-27页 |
| ·神经网络专家系统的结构和功能描述 | 第26-27页 |
| ·神经网络专家系统的知识获取与存储 | 第27页 |
| ·神经网络专家系统的推理机制及解释机制 | 第27页 |
| ·本章小结 | 第27-28页 |
| 4 ZPW-2000A故障诊断神经网络专家系统设计 | 第28-46页 |
| ·ZPW-2000A简介 | 第28-29页 |
| ·ZPW-2000A系统原理 | 第28-29页 |
| ·ZPW2000A系统故障信号量 | 第29页 |
| ·ZPW2000A故障诊断系统-ANN模块设计 | 第29-43页 |
| ·知识获取及存储模块 | 第30页 |
| ·推理模块 | 第30页 |
| ·网络训练模块 | 第30页 |
| ·BP神经网络结构设计 | 第30-31页 |
| ·网络训练样本集的准备 | 第31-32页 |
| ·BP-LM-PSO-GA算法设计 | 第32-33页 |
| ·BP-LM-PSO-GA算法步骤 | 第33-36页 |
| ·BP-LM-PSO-GA算法验证 | 第36-43页 |
| ·ZPW2000A故障诊断系统-知识预和后处理处理模块设计 | 第43-44页 |
| ·ZPW2000A故障诊断神经网络专家系统总体设计 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 5 ZPW-2000A故障诊断神经网络专家系统介绍 | 第46-63页 |
| ·开发工具选择 | 第46页 |
| ·登录界面介绍 | 第46-47页 |
| ·ZPW2000A故障诊断神经网络专家系统---专家界面 | 第47-55页 |
| ·数据导入数据库 | 第47-48页 |
| ·并联故障神经网络训练 | 第48-51页 |
| ·串联故障神经网络训练 | 第51-52页 |
| ·数据库管理 | 第52-54页 |
| ·智能扩展网络 | 第54-55页 |
| ·ZPW2000A故障诊断神经网络专家系统---操作员界面 | 第55-62页 |
| ·故障类型总汇 | 第56页 |
| ·历史故障查询 | 第56-58页 |
| ·ZPW2000A故障诊断 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 6 总结展望 | 第63-64页 |
| ·总结 | 第63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-65页 |
| 作者简历 | 第65-67页 |
| 学位论文数据集 | 第67页 |
