基于自组织映射的故障诊断方法
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-23页 |
| 1．1 引言 | 第8-9页 |
| 1．2 故障的概念与分类 | 第9页 |
| 1．3 故障诊断的概念与原理 | 第9-10页 |
| 1．4 故障诊断方法的分类 | 第10-17页 |
| 1．4．1 基于解析模型的方法 | 第11-12页 |
| 1．4．2 基于知识的方法 | 第12-16页 |
| 1．4．3 基于信号处理的方法 | 第16-17页 |
| 1．5 过程工业故障诊断 | 第17-20页 |
| 1．5．1 过程工业故障的特点 | 第17-18页 |
| 1．5．2 过程工业故障诊断的特点 | 第18-19页 |
| 1．5．3 过程工业故障诊断发展趋势 | 第19-20页 |
| 1．5．3．1 多故障诊断技术 | 第19-20页 |
| 1．5．3．2 状态监测和故障早期侦破技术 | 第20页 |
| 1．6 可视化技术在故障诊断中的应用 | 第20-21页 |
| 1．7 全文主要内容及安排 | 第21-23页 |
| 第二章 自组织映射网络 | 第23-34页 |
| 2．1 引言 | 第23-24页 |
| 2．2 人工神经网络综述 | 第24-28页 |
| 2．2．1 人工神经网络连接的基本形式 | 第24-25页 |
| 2．2．2 人工神经网络的学习方法类型 | 第25-28页 |
| 2．3 自组织映射网络简介 | 第28-29页 |
| 2．4 自组织映射网络原理和实现方法 | 第29-32页 |
| 2．4．1 自组织映射网络的原理 | 第29-31页 |
| 2．4．2 自组织映射网络的实现方法 | 第31-32页 |
| 2．5 自组织映射网络的应用 | 第32-34页 |
| 第三章 基于自组织映射的可视化故障诊断方法 | 第34-44页 |
| 3．1 引言 | 第34页 |
| 3．2 可视化故障诊断方法 | 第34-35页 |
| 3．3 自组织映射网算法 | 第35-36页 |
| 3．4 主元分析算法 | 第36-37页 |
| 3．5 小波分析去噪的基本原理与方法步骤 | 第37-39页 |
| 3．6 在线故障诊断 | 第39-41页 |
| 3．7 故障成因推断方法 | 第41-43页 |
| 3．7．1 变量U矩阵图 | 第41-42页 |
| 3．7．2 因子负荷量分析 | 第42页 |
| 3．7．3 判断方法 | 第42-43页 |
| 3．8 小结 | 第43-44页 |
| 第四章 基于TE过程的仿真分析 | 第44-61页 |
| 4．1 引言 | 第44页 |
| 4．2 TE过程描述 | 第44-47页 |
| 4．3 故障样本的说明 | 第47-49页 |
| 4．4 仿真结果分析 | 第49-59页 |
| 4．4．1 故障选取 | 第49页 |
| 4．4．2 输入数据的预处理 | 第49-53页 |
| 4．4．3 可视化结果分析 | 第53-55页 |
| 4．4．4 故障变量分析 | 第55-59页 |
| 4．4．5 测试结果 | 第59页 |
| 4．5 小结 | 第59-61页 |
| 第五章 结束语 | 第61-63页 |
| 5．1 总结 | 第61页 |
| 5．2 进一步的工作 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 作者攻读硕士学位期间完成的主要论文 | 第69页 |
