| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| §1-1 故障诊断技术概述 | 第9-12页 |
| 1-1-1 故障诊断的必要性 | 第9页 |
| 1-1-2 故障诊断的基本概念 | 第9-11页 |
| 1-1-3 故障诊断的过程 | 第11页 |
| 1-1-4 故障诊断的发展历程 | 第11-12页 |
| §1-2 本课题研究的意义及内容 | 第12-13页 |
| 1-2-1 本课题研究的目的及意义 | 第12-13页 |
| 1-2-2 本课题研究的主要内容 | 第13页 |
| 1-2-3 本课题的研究重点及难点 | 第13页 |
| §1-3 本章小结 | 第13-14页 |
| 第二章 直线型 Li/MnO_2扣式电池生产线设计 | 第14-22页 |
| §2-1 Li/MnO_2扣式电池的制造装配工艺 | 第14页 |
| §2-2 直线式 Li/MnO_2扣式电池生产线机械部分设计 | 第14-16页 |
| 2-2-1 起始上负极壳模块 | 第15页 |
| 2-2-2 隔膜纸入壳模块 | 第15页 |
| 2-2-3 正极锰片入壳及注液模块 | 第15页 |
| 2-2-4 正极钢壳装配模块 | 第15页 |
| 2-2-5 封口模块 | 第15-16页 |
| §2-3 直线式 Li/MnO_2扣式电池生产线控制部分设计 | 第16-21页 |
| 2-3-1 控制系统硬件部分设计 | 第16-18页 |
| 2-3-2 控制系统软件编程设计 | 第18-20页 |
| 2-3-3 人机界面设计 | 第20-21页 |
| §2-4 本章小结 | 第21-22页 |
| 第三章 人工神经网络与故障检测 | 第22-46页 |
| §3-1 人工神经网络的生物学基础 | 第22-23页 |
| 3-1-1 生物神经元的结构 | 第22页 |
| 3-1-2 生物神经网络 | 第22-23页 |
| §3-2 人工神经元及神经网络基础 | 第23-28页 |
| 3-2-1 神经元的建模 | 第23-24页 |
| 3-2-2 神经元的数学模型 | 第24-25页 |
| 3-2-3 神经元的转移函数 | 第25-26页 |
| 3-2-4 神经网络拓扑结构类型 | 第26-28页 |
| §3-3 人工神经网络的学习 | 第28-33页 |
| 3-3-1 人工神经网络学习综述 | 第28-30页 |
| 3-3-2 Hebbian 学习规则 | 第30页 |
| 3-3-3 Perceptron（感知器）学习规则 | 第30-31页 |
| 3-3-4 δ（Delta）学习规则 | 第31页 |
| 3-3-5 Widrow-Holf 学习规则 | 第31-32页 |
| 3-3-6 Correlation（相关）学习规则 | 第32页 |
| 3-3-7 Winner-Take-All（胜者为王）学习规则 | 第32页 |
| 3-3-8 Outstar（外星）学习规则 | 第32-33页 |
| §3-4 前馈神经网络 | 第33-36页 |
| 3-4-1 感知器模型 | 第33-34页 |
| 3-4-2 感知器的功能 | 第34-36页 |
| §3-5 误差反传（BP）算法 | 第36-41页 |
| 3-5-1 BP 算法的基本思想 | 第36页 |
| 3-5-2 基于 BP 算法的多层前馈网络模型 | 第36-37页 |
| 3-5-3 BP 学习算法 | 第37-39页 |
| 3-5-4 BP 算法的信号流 | 第39页 |
| 3-5-5 BP 算法流程图 | 第39-40页 |
| 3-5-6 神经网络的特点总结 | 第40-41页 |
| §3-6 神经网络与故障诊断 | 第41-45页 |
| 3-6-1 基于神经网络的智能诊断的形成 | 第41-42页 |
| 3-6-2 神经网络的故障诊断能力 | 第42-44页 |
| 3-6-3 基于神经网络的智能诊断的发展动向 | 第44-45页 |
| §3-7 本章小结 | 第45-46页 |
| 第四章 基于神经网络的电池生产线故障诊断系统方案设计 | 第46-65页 |
| §4-1 基于 SQL Server 数据库的 PLC 数据采集系统 | 第46-49页 |
| 4-1-1 数据采集系统的设计原理 | 第46-47页 |
| 4-1-2 服务器端程序的设计 | 第47-48页 |
| 4-1-3 服务器端对 SQL Server 数据库的访问 | 第48-49页 |
| §4-2 基于 BP 算法的生产线的故障诊断系统建模 | 第49-59页 |
| 4-2-1 基于 BP 算法的多层前馈网络设计基础 | 第49-51页 |
| 4-2-2 生产线故障诊断系统分析 | 第51-52页 |
| 4-2-3 生产线故障诊断子系统网络建模 | 第52-59页 |
| §4-3 基于 MATLAB 的生产线故障系统仿真 | 第59-64页 |
| 4-3-1 MATLAB 简介 | 第59-60页 |
| 4-3-2 用 MATLAB 进行神经网络仿真的基础 | 第60-62页 |
| 4-3-3 基于 MATLAB 的生产线故障诊断系统仿真 | 第62-64页 |
| §4-4 本章小结 | 第64-65页 |
| 第五章 其他智能诊断技术 | 第65-69页 |
| §5-1 诊断理论与神经网络的结合 | 第65-67页 |
| 5-1-1 各种识别方法与神经网络的结合 | 第65页 |
| 5-1-2 模糊神经网络智能诊断系统 | 第65-67页 |
| §5-2 信号处理与神经网络的融合 | 第67-68页 |
| §5-3 设备故障诊断智能系统的微型化和“傻瓜”化 | 第68页 |
| §5-4 本章小结 | 第68-69页 |
| 第六章 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录 A | 第73-75页 |
| 附录 B | 第75-77页 |
| 附录 C | 第77-78页 |
| 附录 D | 第78-81页 |
| 致谢 | 第81页 |
