| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| ·设备故障诊断的定义与意义 | 第9页 |
| ·设备故障诊断的方法分类 | 第9-10页 |
| ·设备故障诊断技术与关键性问题 | 第10页 |
| ·设备故障诊断技术的特点 | 第10-12页 |
| ·人工神经网络技术的发展及其在故障诊断中的应用 | 第12-15页 |
| ·人工神经网络的特点 | 第15-16页 |
| ·感应电动机故障诊断 | 第16-19页 |
| ·感应电动机故障类型和常用诊断技术 | 第16-18页 |
| ·感应电动机故障诊断技术的特点 | 第18-19页 |
| ·课题来源 | 第19页 |
| ·本文的主要研究内容和工作 | 第19-21页 |
| 第二章 感应电动机电气故障机理分析 | 第21-33页 |
| ·感应电动机的运行原理 | 第21-23页 |
| ·感应电动机故障检测系统 | 第23页 |
| ·定子绕组故障机理分析 | 第23-26页 |
| ·定子匝间短路故障特征频率 | 第24页 |
| ·定子匝间短路故障分析 | 第24-26页 |
| ·转子绕组故障机理分析 | 第26-33页 |
| ·转子断条故障特征频率 | 第26-31页 |
| ·转子断条故障分析 | 第31-33页 |
| 第三章 感应电动机机械故障机理分析 | 第33-45页 |
| ·转子偏心故障机理分析 | 第33-38页 |
| ·转子偏心故障特征频率 | 第33-36页 |
| ·转子偏心故障分析 | 第36-38页 |
| ·轴承故障机理分析 | 第38-45页 |
| ·转子轴承故障特征频率 | 第38-41页 |
| ·轴承故障分析 | 第41-45页 |
| 第四章 一种改进型BP 训练算法——MABPM 算法 | 第45-58页 |
| ·人工神经网络模型 | 第45-51页 |
| ·人工神经元模型 | 第45-46页 |
| ·BP 神经网络的结构及其算法 | 第46-48页 |
| ·隐含层神经元数目的确定 | 第48-49页 |
| ·BP 算法存在的问题 | 第49页 |
| ·BP 改进型学习算法 | 第49-51页 |
| ·MGFPROP 训练算法 | 第51-54页 |
| ·MGFPROP 算法原理 | 第51-52页 |
| ·算法的收敛性分析 | 第52-53页 |
| ·MGFPROP 算法的训练过程 | 第53-54页 |
| ·MABPM 训练算法原理 | 第54-58页 |
| ·自适应学习算法原理 | 第55页 |
| ·MABPM 算法思想 | 第55-58页 |
| 第五章 基于神经网络的感应电动机故障诊断系统 | 第58-73页 |
| ·故障诊断的基本思想 | 第58-59页 |
| ·模糊理论在故障诊断中的应用 | 第59-61页 |
| ·模糊逻辑系统的组成 | 第59-60页 |
| ·模糊逻辑在故障诊断中的作用 | 第60-61页 |
| ·基于MABPM 算法的感应电动机故障诊断 | 第61-72页 |
| ·神经网络系统的构建 | 第61-64页 |
| ·模糊逻辑系统的构建 | 第64-66页 |
| ·感应电动机故障诊断系统 | 第66-72页 |
| ·感应电动机故障诊断小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-74页 |
| ·论文总结 | 第73页 |
| ·工作展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士学位期间发表论文及参与科研项目 | 第78-79页 |
| 致谢 | 第79-80页 |
| 附录1 神经网络训练样本和测试样本 | 第80-87页 |
| 附录2 神经网络阈值与权值表 | 第87-89页 |