| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外研究现状 | 第12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 主要研究内容 | 第13-14页 |
| 1.4 论文结构安排 | 第14页 |
| 1.5 本章小结 | 第14-17页 |
| 2 盾构机工作原理及故障模式的研究 | 第17-25页 |
| 2.1 盾构机简介 | 第17页 |
| 2.2 盾构机的主要子系统 | 第17-18页 |
| 2.3 盾构机掘进工作流程 | 第18-19页 |
| 2.4 主系统常见故障及其分析 | 第19-23页 |
| 2.4.1 盾构机常见失效形式 | 第19-20页 |
| 2.4.2 推进液压系统故障特点与产生机理 | 第20-21页 |
| 2.4.3 刀盘系统故障机理及特性分析 | 第21-23页 |
| 2.5 本章小结 | 第23-25页 |
| 3 基于SOM-BP网络的诊断方法 | 第25-47页 |
| 3.1 BP神经网络 | 第25-28页 |
| 3.1.1 BP神经网络的基本思想 | 第25页 |
| 3.1.2 BP神经网络的算法步骤 | 第25-27页 |
| 3.1.3 BP神经网络的缺点 | 第27-28页 |
| 3.2 SOM神经网络 | 第28-31页 |
| 3.2.1 SOM神经网络概述 | 第28-29页 |
| 3.2.2 SOM神经网络的算法步骤 | 第29-30页 |
| 3.2.3 SOM神经网络的局限性 | 第30-31页 |
| 3.3 SOM-BP神经网络 | 第31-32页 |
| 3.3.1 SOM-BP算法思想 | 第31-32页 |
| 3.3.2 SOM-BP算法步骤 | 第32页 |
| 3.4 盾构机故障诊断模型的建立 | 第32-37页 |
| 3.4.1 样本数据的分析及处理 | 第32-36页 |
| 3.4.2 SOM-BP诊断模型 | 第36-37页 |
| 3.5 模型的仿真实现 | 第37-45页 |
| 3.5.1 SOM-BP网络初始参数设置 | 第37-39页 |
| 3.5.2 仿真训练测试 | 第39-42页 |
| 3.5.3 三种网络对比 | 第42-45页 |
| 3.6 本章小结 | 第45-47页 |
| 4 基于粒子群优化SOM-BP网络的诊断方法 | 第47-61页 |
| 4.1 粒子群算法简介 | 第47-50页 |
| 4.1.1 基本粒子群算法描述 | 第47-48页 |
| 4.1.2 粒子群算法流程 | 第48-49页 |
| 4.1.3 粒子群算法的参数选择 | 第49-50页 |
| 4.2 粒子群算法优化SOM-BP网络 | 第50-55页 |
| 4.2.1 算法设计 | 第51-53页 |
| 4.2.2 模型的非线性拟合 | 第53-55页 |
| 4.3 基于粒子群优化SOM-BP网络的故障诊断模型 | 第55-59页 |
| 4.3.1 初始化模型的网络结构 | 第55页 |
| 4.3.2 粒子群算法的设计 | 第55-56页 |
| 4.3.3 粒子群优化SOM-BP网络的仿真实验 | 第56-59页 |
| 4.3.4 结果对比分析 | 第59页 |
| 4.4 本章小结 | 第59-61页 |
| 5 基于粒子群优化的 SOM-BP 诊断方法在盾构机监控系统中的应用 | 第61-69页 |
| 5.1 盾构机监控系统简介 | 第61-62页 |
| 5.2 故障诊断模块 | 第62-66页 |
| 5.2.1 数据采集与分析 | 第63页 |
| 5.2.2 故障诊断模块的运行机理 | 第63-64页 |
| 5.2.3 故障诊断模块功能的实现 | 第64-66页 |
| 5.3 功能测试及结果分析 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间的研究成果 | 第77页 |