| 第1章 绪论 | 第1-11页 |
| ·课题背景 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·本文主要内容及安排 | 第9-11页 |
| 第2章 故障诊断专家系统 | 第11-20页 |
| ·专家系统概述 | 第11-12页 |
| ·专家系统的定义 | 第11页 |
| ·专家系统的组成 | 第11-12页 |
| ·专家系统的知识获取与表示 | 第12-15页 |
| ·知识的获取 | 第12-14页 |
| ·知识的表示 | 第14-15页 |
| ·故障诊断专家系统的推理机制 | 第15-17页 |
| ·正向推理 | 第15-16页 |
| ·反向推理 | 第16页 |
| ·正反向混合推理 | 第16-17页 |
| ·专家系统开发工具C++ | 第17-19页 |
| ·C++简介 | 第17-18页 |
| ·C++的特点 | 第18-19页 |
| 本章小结 | 第19-20页 |
| 第3章 自适应共振神经网络概述 | 第20-30页 |
| ·ART-2神经网络的结构和算法 | 第20-22页 |
| ·ART-2神经网络的结构 | 第20-21页 |
| ·ART-2神经网络的算法 | 第21-22页 |
| ·ART的参数设计 | 第22-25页 |
| ·相似度分析 | 第23页 |
| ·相似度的变化分析 | 第23-24页 |
| ·警戒参数ρ的选择 | 第24-25页 |
| ·参数θ，α和b的选择 | 第25页 |
| ·ART-2神经网络的实现 | 第25-28页 |
| ·ART神经网络的特点 | 第28-29页 |
| 本章小结 | 第29-30页 |
| 第4章 基于自适应共振神经网络的液压动力系统故障诊断与专家系统设计方案 | 第30-43页 |
| ·神经网络和专家系统结合的必要性 | 第30-31页 |
| ·基于神经网络专家系统的结构 | 第31-33页 |
| ·基于自适用神经网络故障专家系统的建立 | 第33-40页 |
| ·知识库的建立 | 第33-35页 |
| ·推理机的建立 | 第35-37页 |
| ·学习系统的建立 | 第37-38页 |
| ·查询系统的建立 | 第38页 |
| ·维护系统的建立 | 第38页 |
| ·输入输出的建立 | 第38页 |
| ·解释系统的建立 | 第38-40页 |
| ·系统数据库的建立 | 第40-42页 |
| ·数据库概述 | 第40-41页 |
| ·系统数据库的设计 | 第41-42页 |
| 本章小结 | 第42-43页 |
| 第五章 基于自适应共振神经网络的液压动力系统故障诊断与专家系统的实现 | 第43-54页 |
| ·诊断对象简介 | 第43-44页 |
| ·液压动力系统故障诊断专家系统的实现 | 第44-45页 |
| ·系统各部分的实现 | 第45-53页 |
| ·系统菜单简介 | 第45-46页 |
| ·系统简介 | 第46-47页 |
| ·诊断对象 | 第47-49页 |
| ·数据处理 | 第49-50页 |
| ·故障诊断 | 第50-52页 |
| ·安全管理 | 第52-53页 |
| 本章小结 | 第53-54页 |
| 第六章 自适应神经网络与BP神经网络在诊断方面的比较 | 第54-64页 |
| ·BP神经网络简介 | 第54-58页 |
| ·BP网络的结构 | 第54页 |
| ·反向传播公式 | 第54-57页 |
| ·反向传播学习算法 | 第57-58页 |
| ·BP神经网络存在的问题 | 第58-59页 |
| ·自适应网络与BP网络实践结果的对比 | 第59-62页 |
| ·液压动力系统中电机信号故障特征的获取[7] | 第59-61页 |
| ·自适应共振诊断过程及结果 | 第61页 |
| ·BP网络诊断过程及结果 | 第61-62页 |
| ·自适应神经网络与BP神经网络在诊断方面的比较 | 第62-63页 |
| 本章小结 | 第63-64页 |
| 第七章 结论与展望 | 第64-66页 |
| ·本文结论 | 第64页 |
| ·问题与展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 附录1 | 第69-74页 |
| 附录2 攻读硕士学位期间发表的论文 | 第74页 |
