| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 创新点摘要 | 第7-10页 |
| 前言 | 第10-12页 |
| 第一章 基于人工神经网络的故障诊断技术的概述 | 第12-21页 |
| 1.1 故障诊断技术的概述 | 第12-16页 |
| 1.1.1 故障诊断的概念 | 第12-13页 |
| 1.1.2 故障诊断的过程 | 第13页 |
| 1.1.3 故障诊断的方法 | 第13-16页 |
| 1.2 人工神经网络的概述 | 第16-19页 |
| 1.2.1 人工神经网络的概念 | 第17页 |
| 1.2.2 人工神经网络的分类 | 第17页 |
| 1.2.3 人工神经网络的基本功能 | 第17-18页 |
| 1.2.4 基于人工神经网络的故障诊断 | 第18-19页 |
| 1.3 基于改进粒子群优化的BP神经网络的异步电机故障诊断的概述 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 异步电机故障的研究与分析 | 第21-33页 |
| 2.1 异步电机故障诊断的方法 | 第21-22页 |
| 2.2 三相交流异步电动机的概述 | 第22页 |
| 2.3 异步电机典型故障诊断机理的研究与分析 | 第22-30页 |
| 2.3.1 风机电机振动故障诊断机理的研究与分析 | 第22-26页 |
| 2.3.2 风机电机电流故障诊断机理的研究与分析 | 第26-30页 |
| 2.4 风机电机故障样本的建立 | 第30-32页 |
| 2.4.1 风机电机的振动故障样本 | 第30-31页 |
| 2.4.2 风机电机的电流故障样本 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 基于改进粒子群优化算法的BP神经网络设计 | 第33-44页 |
| 3.1 粒子群优化算法的分析研究 | 第33-37页 |
| 3.1.1 粒子群优化算法的概述 | 第33-34页 |
| 3.1.2 粒子群优化算法的基本原理 | 第34页 |
| 3.1.3 粒子群优化算法的数学描述 | 第34-35页 |
| 3.1.4 粒子群优化算法的改进 | 第35-37页 |
| 3.2 BP神经网络算法分析研究 | 第37-40页 |
| 3.2.1 BP神经网络算法的分析 | 第37-38页 |
| 3.2.2 BP神经网络算法的数学描述 | 第38-39页 |
| 3.2.3 BP神经网络算法的改进 | 第39-40页 |
| 3.3 基于改进粒子群优化算法的BP神经网络设计 | 第40-43页 |
| 3.3.1 基于改进粒子群优化算法的BP神经网络算法流程设计 | 第40-42页 |
| 3.3.2 基于改进粒子群优化算法的BP神经网络程序设计 | 第42-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于改进粒子群优化算法的异步电机故障诊断系统 | 第44-55页 |
| 4.1 基于神经网络的异步电机故障诊断系统分析 | 第44-45页 |
| 4.1.1 基于神经网络的异步电机故障诊断系统的知识获取 | 第44页 |
| 4.1.2 基于神经网络的异步电机故障诊断系统的知识表示 | 第44-45页 |
| 4.2 基于改进粒子群优化神经网络的异步电机故障诊断系统的设计 | 第45-53页 |
| 4.2.1 异步电机故障诊断系统的神经网络的设计 | 第45-47页 |
| 4.2.2 基于改进粒子群优化的BP神经网络的训练 | 第47-51页 |
| 4.2.3 异步电机故障诊断系统图形用户操作界面的开发 | 第51-53页 |
| 4.3 基于改进粒子群优化算法的异步电机故障诊断系统的检验 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表文章目录 | 第59-60页 |
| 致谢 | 第60-61页 |
| 详细摘要 | 第61-68页 |
