基于遗传神经网络的铝电解槽诊断系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题的背景和意义 | 第9-10页 |
| ·铝电解槽故障诊断系统的研究现状 | 第10-11页 |
| ·国外研究现状 | 第10页 |
| ·国内研究现状 | 第10-11页 |
| ·故障诊断技术的方法分类 | 第11-12页 |
| ·基于解析模型的故障诊断方法 | 第11-12页 |
| ·基于信号处理的故障诊断方法 | 第12页 |
| ·基于知识的故障诊断方法 | 第12页 |
| ·铝电解槽故障诊断技术发展方向 | 第12-14页 |
| ·课题的研究内容 | 第14页 |
| ·论文的结构安排 | 第14-16页 |
| 2 铝电解槽故障诊断系统总体设计 | 第16-23页 |
| ·铝电解生产的原理 | 第16页 |
| ·槽电阻信号的计算 | 第16-17页 |
| ·铝电解槽的故障分类 | 第17-18页 |
| ·阳极效应 | 第17页 |
| ·铝液波动 | 第17页 |
| ·冷槽热槽 | 第17-18页 |
| ·系统的总体设计方案 | 第18-19页 |
| ·主要开发工具及系统功能 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 故障诊断子系统的设计 | 第23-44页 |
| ·故障诊断方法的选择 | 第23页 |
| ·神经网络结构的选择 | 第23-25页 |
| ·基于BP神经网络故障模型的建立 | 第25-30页 |
| ·输入和输出特征向量的选择 | 第25-26页 |
| ·输入层和输出层节点数的确定 | 第26页 |
| ·隐含层节点数的选择 | 第26-27页 |
| ·学习参数的选择 | 第27页 |
| ·神经网络模型的建立 | 第27-28页 |
| ·BP神经网络的优化方案 | 第28-30页 |
| ·遗传算法优化BP神经网络 | 第30-37页 |
| ·基本思想 | 第30-33页 |
| ·编码方案的选择 | 第33页 |
| ·初始种群的生成 | 第33-34页 |
| ·适应度函数的设计 | 第34页 |
| ·遗传操作的设计 | 第34-36页 |
| ·控制参数的设计 | 第36-37页 |
| ·基于遗传神经网络故障模型的建立 | 第37-41页 |
| ·软件实现的方案 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 软件应用程序的设计 | 第44-55页 |
| ·数据传输子系统的设计 | 第44-49页 |
| ·数据库访问技术的选择 | 第44-45页 |
| ·数据库的建立 | 第45-46页 |
| ·软件实现的方案 | 第46-49页 |
| ·其他主要功能模块的设计 | 第49-54页 |
| ·数据实时显示模块 | 第49-50页 |
| ·动态曲线显示模块 | 第50页 |
| ·历史数据查询模块 | 第50页 |
| ·在线故障诊断模块 | 第50-51页 |
| ·报表生成打印模块 | 第51-53页 |
| ·在线帮助系统模块 | 第53-54页 |
| ·软件系统应用程序发布 | 第54页 |
| ·本章小结 | 第54-55页 |
| 5 故障诊断系统的测试结果和应用 | 第55-61页 |
| ·故障诊断的测试结果 | 第55-58页 |
| ·软件测试环境及方案 | 第58页 |
| ·软件界面及软件测试结果 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 申请学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |
