| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题提出及其意义 | 第8-9页 |
| ·液压设备故障诊断的特点 | 第9页 |
| ·液压设备故障诊断方法概述 | 第9-11页 |
| ·液压设备故障诊断技术的国内外研究现状 | 第11-12页 |
| ·本论文的主要研究内容 | 第12-14页 |
| 第二章 人工智能故障诊断方法研究 | 第14-22页 |
| ·专家系统故障诊断方法 | 第14-16页 |
| ·专家系统的基本概念 | 第14-15页 |
| ·推理机制 | 第15页 |
| ·知识表示 | 第15页 |
| ·知识获取 | 第15-16页 |
| ·模糊理论故障诊断方法 | 第16-17页 |
| ·模糊理论概述 | 第16页 |
| ·模糊诊断方法 | 第16-17页 |
| ·灰色理论故障诊断方法 | 第17-18页 |
| ·关联系数计算公式 | 第17-18页 |
| ·关联度计算 | 第18页 |
| ·关联度分析步骤 | 第18页 |
| ·人工神经网络故障诊断方法 | 第18-19页 |
| ·几种故障诊断方法优缺点比较 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 电液伺服阀的特性及其故障机理研究 | 第22-32页 |
| ·电液伺服阀的组成 | 第22-23页 |
| ·力矩马达（或力马达） | 第22页 |
| ·液压放大器 | 第22页 |
| ·反馈机构（或平衡机构） | 第22-23页 |
| ·电液伺服阀的分类 | 第23页 |
| ·力反馈两级电液伺服阀 | 第23-24页 |
| ·力反馈两级电液伺服阀的结构 | 第23-24页 |
| ·力反馈两级电液伺服阀的工作原理 | 第24页 |
| ·电液伺服阀的特性 | 第24-27页 |
| ·电液伺服阀的静态特性 | 第24-26页 |
| ·电液伺服阀的动态特性 | 第26-27页 |
| ·电液伺服阀的主要故障及其机理研究 | 第27-32页 |
| ·电液伺服阀的主要故障 | 第27-28页 |
| ·电液伺服阀故障机理研究 | 第28-32页 |
| 第四章 电液伺服阀故障样本的提取 | 第32-43页 |
| ·电液伺服阀的实验设计 | 第32-33页 |
| ·实验对象 | 第32页 |
| ·实验目的 | 第32页 |
| ·实验原理 | 第32-33页 |
| ·实验的具体内容和实施方案 | 第33页 |
| ·特征曲线 | 第33-37页 |
| ·特征曲线分析以及量化处理 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 B-P神经网络在电液伺服阀的故障模式识别中的研究 | 第43-56页 |
| ·人工神经网络概述 | 第43-45页 |
| ·人工神经元 | 第43-44页 |
| ·神经网络学习算法 | 第44-45页 |
| ·B-P神经网络算法研究 | 第45-51页 |
| ·前馈型（B-P）神经网络算法研究 | 第45-48页 |
| ·单隐层B-P网络学习算法 | 第48-51页 |
| ·B-P神经网络用于故障诊断的具体实现 | 第51-53页 |
| ·B-P算法的程序实现 | 第51-52页 |
| ·B-P网络输入输出层设计 | 第52-53页 |
| ·B-P神经网络训练与故障模式识别结果 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 总结与展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士期间发表的论文 | 第61页 |