| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题背景 | 第10-11页 |
| ·国内外的研究状况 | 第11-14页 |
| ·故障识别的涵义 | 第11-12页 |
| ·故障诊断技术的发展历史 | 第12-13页 |
| ·故障识别技术的研究现状与发展趋势 | 第13-14页 |
| ·神经网络在故障识别中的应用 | 第14-17页 |
| ·神经网络简介 | 第14-16页 |
| ·神经网络在故障识别中的研究应用成果 | 第16-17页 |
| ·本文研究的意义及主要研究工作 | 第17-19页 |
| ·本文的研究意义 | 第17页 |
| ·本文研究的主要内容 | 第17-19页 |
| 第2章 联想记忆神经网络 | 第19-33页 |
| ·离散 Hopfield 神经网络 | 第19-24页 |
| ·网络的结构 | 第19-21页 |
| ·网络的工作方式 | 第21-22页 |
| ·离散 Hopfield 网络的能量函数和收敛稳定性分析 | 第22-24页 |
| ·联想记忆 | 第24-30页 |
| ·联想记忆的基本概念 | 第24-28页 |
| ·Hopfield 联想记忆网络 | 第28-30页 |
| ·Hopfield 联想记忆网络的运行步骤 | 第30页 |
| ·联想记忆网络应用举例 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 改进结构和算法 | 第33-45页 |
| ·反向传播网络 | 第33-38页 |
| ·BP 网络的模型与结构 | 第33-35页 |
| ·BP 学习算法 | 第35-36页 |
| ·BP 网络算法的改进 | 第36-38页 |
| ·联想记忆神经网络改进结构(BP-HNN) | 第38-39页 |
| ·粒子群优化算法 | 第39-42页 |
| ·粒子群优化算法原理 | 第39-41页 |
| ·粒子群算法流程 | 第41-42页 |
| ·PSO 优化 Hopfield 网络权值 | 第42-44页 |
| ·PSO 优化 Hopfield 网络权值原理和流程 | 第42-43页 |
| ·PSO 优化 Hopfield 网络权值适应度函数的确定 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于联想记忆神经网络的液压泵故障识别 | 第45-66页 |
| ·信号采集 | 第45-47页 |
| ·试验对象 | 第45页 |
| ·实验系统组成 | 第45-47页 |
| ·液压泵信号处理及故障特征提取 | 第47-51页 |
| ·信号处理过程 | 第47-48页 |
| ·液压泵故障特征提取 | 第48-51页 |
| ·联想记忆神经网络参数设置 | 第51-56页 |
| ·网络参数的设置 | 第51-53页 |
| ·粒子群中参数的设置 | 第53-56页 |
| ·基于联想记忆神经网络的振动信号的故障识别 | 第56-61页 |
| ·故障识别目标 | 第56页 |
| ·联想记忆神经网络的权值矩阵 | 第56-59页 |
| ·液压泵故障识别 | 第59-61页 |
| ·基于联想记忆神经网络的交叉样本循环训练的故障识别 | 第61-65页 |
| ·艾宾浩斯记忆遗忘曲线 | 第62-63页 |
| ·交叉样本训练后的故障识别 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
