| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 第1章 绪论 | 第7-14页 |
| 1.1 课题研究的背景及意义 | 第7-8页 |
| 1.2 智能故障诊断技术 | 第8-10页 |
| 1.3 冷水机组故障诊断的研究现状 | 第10-13页 |
| 1.3.1 国外研究现状 | 第10-11页 |
| 1.3.2 国内研究现状 | 第11-13页 |
| 1.4 本文的主要研究内容 | 第13-14页 |
| 第2章 人工神经网络和专家系统的理论概述 | 第14-23页 |
| 2.1 引言 | 第14-15页 |
| 2.2 专家系统 | 第15-17页 |
| 2.2.1 专家系统简介 | 第15页 |
| 2.2.2 专家系统的组成及工作原理 | 第15-16页 |
| 2.2.3 专家系统的缺陷 | 第16-17页 |
| 2.3 人工神经网络 | 第17-20页 |
| 2.3.1 人工神经网络概述 | 第17页 |
| 2.3.2 BP 神经网络 | 第17-20页 |
| 2.4 专家系统和神经网络的融合 | 第20-22页 |
| 2.4.1 专家系统和神经网络的对比分析 | 第20-21页 |
| 2.4.2 专家系统和神经网络的融合方式 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 离心式冷水机组的故障分析 | 第23-34页 |
| 3.1 诊断对象的确定 | 第23-24页 |
| 3.2 离心式冷水机组结构及工作原理 | 第24-27页 |
| 3.2.1 离心式冷水机组的构造 | 第24-25页 |
| 3.2.2 离心式冷水机组的工作原理 | 第25-27页 |
| 3.3 离心式冷水机组的典型故障及理论分析 | 第27-29页 |
| 3.3.1 离心式冷水机组的典型故障 | 第27-28页 |
| 3.3.2 故障的理论分析 | 第28-29页 |
| 3.4 表征故障的特征参数选取 | 第29-32页 |
| 3.4.1 影响系统性能的两个重要参数 | 第29-31页 |
| 3.4.2 表征故障的特征参数选取 | 第31-32页 |
| 3.5 本章小结 | 第32-34页 |
| 第4章 基于神经网络的离心式冷水机组故障诊断专家系统的建立 | 第34-50页 |
| 4.1 神经网络故障诊断专家系统的结构及工作原理 | 第34-35页 |
| 4.2 神经网络故障诊断专家系统的特点 | 第35-36页 |
| 4.3 基于神经网络的离心式冷水机组故障诊断专家系统的建立 | 第36-49页 |
| 4.3.1 知识库的建立 | 第36-38页 |
| 4.3.2 神经网络学习 | 第38-42页 |
| 4.3.3 基于遗传算法的 BP 神经网络优化 | 第42-47页 |
| 4.3.4 推理机的建立 | 第47-48页 |
| 4.3.5 解释机制建立 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 离心式冷水机组故障诊断软件系统的实现 | 第50-54页 |
| 5.1 故障诊断系统开发工具 | 第50页 |
| 5.2 软件接口的实现 | 第50页 |
| 5.3 离心式冷水机组故障诊断软件系统界面 | 第50-53页 |
| 5.3.1 神经网络学习 | 第51-52页 |
| 5.3.2 故障诊断 | 第52-53页 |
| 5.4 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录 | 第60-61页 |
| 攻读学位期间的研究成果 | 第61页 |