基于人工神经网络的某型雷达故障诊断的设计与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 故障诊断技术在军事装备领域研究的意义 | 第8-9页 |
| 1.2 故障诊断技术的研究应用 | 第9-12页 |
| 1.2.1 故障诊断的发展阶段 | 第9-10页 |
| 1.2.2 国内外研究现状及发展 | 第10-12页 |
| 1.3 本论文的主要工作 | 第12-14页 |
| 1.3.1 研究目的和意义 | 第12-13页 |
| 1.3.2 研究的主要内容 | 第13-14页 |
| 第二章 故障诊断的理论基础 | 第14-17页 |
| 2.1 故障诊断的概念 | 第14页 |
| 2.2 故障诊断的方法 | 第14-17页 |
| 2.2.1 基于解析模型的故障诊断方法 | 第15页 |
| 2.2.2 基于信号处理的故障诊断方法 | 第15页 |
| 2.2.3 基于人工智能的方法 | 第15-17页 |
| 第三章 人工神经网络的基本理论 | 第17-28页 |
| 3.1 起源和发展 | 第17-19页 |
| 3.2 理论概述 | 第19页 |
| 3.3 基本特征 | 第19-21页 |
| 3.4 结构原理 | 第21-25页 |
| 3.4.1 神经元模型 | 第21-22页 |
| 3.4.2 激活函数 | 第22-24页 |
| 3.4.3 学习算法 | 第24-25页 |
| 3.5 典型模型 | 第25-28页 |
| 第四章 BP神经网络及其应用 | 第28-35页 |
| 4.1 BP神经网络的学习算法 | 第28-31页 |
| 4.1.1 拓扑结构 | 第28-29页 |
| 4.1.2 算法步骤 | 第29-30页 |
| 4.1.3 传播方式 | 第30-31页 |
| 4.2 BP网络的局限性 | 第31-32页 |
| 4.3 BP网络的改进算法 | 第32-34页 |
| 4.3.1 变步长算法 | 第32-33页 |
| 4.3.2 加入动量项 | 第33页 |
| 4.3.3 引入陡度因子 | 第33-34页 |
| 4.4 BP神经网络应用于故障诊断 | 第34-35页 |
| 第五章 某型雷达故障诊断系统的设计与实现 | 第35-57页 |
| 5.1 任务来源 | 第35页 |
| 5.2 系统主要功能、组成和技术指标 | 第35-37页 |
| 5.2.1 主要功能 | 第35页 |
| 5.2.2 系统组成 | 第35-36页 |
| 5.2.3 主要技术指标 | 第36-37页 |
| 5.3 系统的设计和研制 | 第37-54页 |
| 5.3.1 基本原理 | 第37-38页 |
| 5.3.2 硬件设计 | 第38-44页 |
| 5.3.3 软件设计 | 第44-54页 |
| 5.4 关键技术及创新点 | 第54-56页 |
| 5.4.1 关键技术 | 第54-55页 |
| 5.4.2 主要创新点 | 第55-56页 |
| 5.5 成果的应用前景 | 第56-57页 |
| 第六章 故障诊断系统操作实例 | 第57-62页 |
| 第七章 总结与展望 | 第62-63页 |
| 7.1 总结 | 第62页 |
| 7.2 展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |
