基于蚁群优化模糊神经网络的金融押运车故障预警问题的研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 研究背景与来源 | 第12页 |
| 1.2 国内外发展状况 | 第12-14页 |
| 1.2.1 国外发展现状 | 第13页 |
| 1.2.2 国内发展现状 | 第13-14页 |
| 1.3 本课题研究内容 | 第14-15页 |
| 1.4 本文结构 | 第15-16页 |
| 第2章 相关理论概述 | 第16-28页 |
| 2.1 蚁群算法 | 第16-18页 |
| 2.1.1 蚁群算法原理 | 第16-17页 |
| 2.1.2 蚁群算法与其他种群进化算法的比较 | 第17-18页 |
| 2.2 模糊理论 | 第18-20页 |
| 2.2.1 模糊数学 | 第18-19页 |
| 2.2.2 模糊集合的基本概念 | 第19页 |
| 2.2.3 模糊集合的隶属函数 | 第19-20页 |
| 2.3 神经网络 | 第20-26页 |
| 2.3.1 神经元模型 | 第21页 |
| 2.3.2 人工神经网络结构 | 第21-22页 |
| 2.3.3 BP网络及其学习方法 | 第22-25页 |
| 2.3.4 BP网络的局限性及改进BP算法 | 第25-26页 |
| 2.4 模糊理论和神经网络的结合 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 金融押运车故障预警模型建立 | 第28-46页 |
| 3.1 发动机电控系统 | 第28-29页 |
| 3.1.1 电控系统的组成 | 第28-29页 |
| 3.1.2 电控系统的工作原理 | 第29页 |
| 3.2 车用传感器 | 第29-30页 |
| 3.3 EFI控制子系统 | 第30-32页 |
| 3.3.1 EFI控制子系统的组成及工作原理 | 第30-31页 |
| 3.3.2 基本喷油量的控制 | 第31-32页 |
| 3.4 发动机电控系统常见故障 | 第32-33页 |
| 3.5 故障预警神经网络模型建立 | 第33-44页 |
| 3.5.1 状态参数的采集 | 第33-34页 |
| 3.5.2 模糊神经网络模型 | 第34-35页 |
| 3.5.3 输入数据的模糊化 | 第35-38页 |
| 3.5.4 BP网络模型设计 | 第38-44页 |
| 3.6 本章小结 | 第44-46页 |
| 第4章 蚁群优化神经网络算法设计及仿真 | 第46-62页 |
| 4.1 蚁群算法优化神经网络 | 第46-52页 |
| 4.1.1 蚁群算法优化神经网络的基本思想 | 第46页 |
| 4.1.2 目标函数及约束条件 | 第46-48页 |
| 4.1.3 嵌入蚁群算法的模糊神经网络算法步骤 | 第48-50页 |
| 4.1.4 蚁群算法参数设置 | 第50-52页 |
| 4.2 训练实验及结果分析 | 第52-61页 |
| 4.2.1 样本数据提取 | 第52-53页 |
| 4.2.2 预警系统模型的仿真测试 | 第53-57页 |
| 4.2.3 与不经模糊化的神经网络比较 | 第57-59页 |
| 4.2.4 与传统BP网络比较 | 第59-61页 |
| 4.3 本章小结 | 第61-62页 |
| 第5章 故障预警子系统的设计与实现 | 第62-76页 |
| 5.1 系统总体目标 | 第62页 |
| 5.2 系统总体设计 | 第62-65页 |
| 5.2.1 系统开发环境 | 第62-63页 |
| 5.2.2 系统物理架构 | 第63-64页 |
| 5.2.3 系统功能结构 | 第64-65页 |
| 5.3 故障预警子系统功能设计 | 第65-67页 |
| 5.3.1 设计目标 | 第65-66页 |
| 5.3.2 功能结构 | 第66页 |
| 5.3.3 功能模块 | 第66-67页 |
| 5.4 故障预警子系统数据库设计 | 第67-70页 |
| 5.4.1 数据库表结构设计 | 第67-69页 |
| 5.4.2 数据库逻辑模型 | 第69-70页 |
| 5.5 系统运行实例分析 | 第70-75页 |
| 5.5.1 状态监控模块实现 | 第71页 |
| 5.5.2 故障预警模块实现 | 第71-73页 |
| 5.5.3 数据维护模块实现 | 第73-75页 |
| 5.6 本章小结 | 第75-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 6.1 工作总结 | 第76页 |
| 6.2 后续研究工作及展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82页 |
