| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 人工神经网络 | 第10-12页 |
| 1.2.1 人工神经网络概述 | 第10-11页 |
| 1.2.2 神经网络在微机监测故障诊断中的应用 | 第11-12页 |
| 1.3 论文创新点及解决的问题 | 第12-13页 |
| 1.4 主要研究内容 | 第13-15页 |
| 2 微机监测系统及故障诊断分析 | 第15-21页 |
| 2.1 微机监测系统 | 第15-18页 |
| 2.1.1 微机监测系统的结构 | 第15-17页 |
| 2.1.2 微机监测系统的功能 | 第17-18页 |
| 2.2 故障诊断技术 | 第18-21页 |
| 2.2.1 故障诊断技术的发展与现状 | 第18-19页 |
| 2.2.2 故障诊断技术的原理和方法 | 第19-21页 |
| 3 基于BP神经网络的微机监测系统故障诊断 | 第21-33页 |
| 3.1 神经网络的故障诊断原理 | 第21-22页 |
| 3.2 基于BP神经网络的微机监测系统故障诊断流程设计 | 第22-33页 |
| 3.2.1 神经网络故障诊断流程的设计步骤 | 第22-23页 |
| 3.2.2 基于状态监测的故障特征参量提取过程 | 第23-26页 |
| 3.2.3 样本集获取过程 | 第26-29页 |
| 3.2.4 网络的设计 | 第29-30页 |
| 3.2.5 诊断过程的仿真及结果分析 | 第30-33页 |
| 4 基于模糊神经网络的微机监测系统故障诊断 | 第33-63页 |
| 4.1 理论基础 | 第33-37页 |
| 4.1.1 模糊理论 | 第33-34页 |
| 4.1.2 模糊神经网络在故障诊断中的应用 | 第34-36页 |
| 4.1.3 隶属度函数的选择 | 第36-37页 |
| 4.1.4 模糊权重的计算 | 第37页 |
| 4.2 微机监测系统的开关量故障诊断 | 第37-46页 |
| 4.2.1 开关量故障诊断策略 | 第37-39页 |
| 4.2.2 开关量故障诊断策略在6502电气集中电路中的应用 | 第39-40页 |
| 4.2.3 故障数据的模糊预处理 | 第40-42页 |
| 4.2.4 开关量故障初步诊断网络的训练及仿真 | 第42-44页 |
| 4.2.5 开关量故障准确诊断网络仿真与训练 | 第44-46页 |
| 4.3 微机监测系统中需人工干预的开关量故障诊断 | 第46-55页 |
| 4.3.1 故障诊断策略 | 第46-47页 |
| 4.3.2 故障诊断策略在计算机联锁系统中的应用 | 第47-50页 |
| 4.3.3 故障数据的模糊预处理 | 第50-51页 |
| 4.3.4 故障初步诊断网络的训练及仿真 | 第51-53页 |
| 4.3.5 故障精确诊断网络的训练及仿真 | 第53-55页 |
| 4.4 微机监测系统的模拟量故障诊断 | 第55-63页 |
| 4.4.1 模拟量故障诊断策略 | 第55-56页 |
| 4.4.2 模拟量故障诊断策略在道岔转辙机设备故障诊断中的应用 | 第56-57页 |
| 4.4.3 故障数据的模糊预处理 | 第57-58页 |
| 4.4.4 模拟量故障初步诊断网络的训练及仿真 | 第58-60页 |
| 4.4.5 模拟量故障精确诊断网络的训练及仿真 | 第60-63页 |
| 5 现场诊断实例分析 | 第63-68页 |
| 5.1 现场故障诊断实例 | 第63-67页 |
| 5.1.1 故障数据的模糊预处理 | 第64页 |
| 5.1.2 初步诊断网络的训练及仿真 | 第64-65页 |
| 5.1.3 精确诊断网络的训练及仿真 | 第65-67页 |
| 5.2 工程推广 | 第67-68页 |
| 结论 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-71页 |
