| 第一章 绪论 | 第1-14页 |
| ·故障诊断技术 | 第7-8页 |
| ·故障诊断技术的主要内容 | 第8页 |
| ·故障诊断的主要方法 | 第8-10页 |
| ·故障诊断系统的功能特点 | 第10-11页 |
| ·基于神经网络的专家系统 | 第11-12页 |
| ·神经网络与专家系统结合的可行性分析 | 第11页 |
| ·神经网络专家系统出现的必要性 | 第11-12页 |
| ·本论文的主要研究内容 | 第12-14页 |
| 第二章 混合故障诊断专家系统的结构 | 第14-18页 |
| ·引言 | 第14页 |
| ·故障诊断系统结构 | 第14-15页 |
| ·故障诊断专家系统的组成 | 第15-18页 |
| ·基于BP神经网络的诊断模块 | 第15-16页 |
| ·基于自组织神经网络诊断模块 | 第16-18页 |
| 第三章 电机故障诊断与知识库的建立 | 第18-33页 |
| ·电机的重要性 | 第18页 |
| ·电机故障诊断技术的特点 | 第18-19页 |
| ·电机故障诊断常用技术 | 第19-20页 |
| ·电机典型故障研究分析 | 第20-29页 |
| ·电机的振动机理与故障诊断研究 | 第20-26页 |
| ·定子异常产生的电磁振动 | 第20-22页 |
| ·气隙不均匀产生的电磁振动 | 第22-23页 |
| ·转子异常引起的电磁振动 | 第23页 |
| ·转子不平衡产生的机械振动 | 第23-24页 |
| ·滚动轴承异常产生的机械振动 | 第24-25页 |
| ·滑动轴承振动 | 第25-26页 |
| ·电机电流故障诊断机理研究与分析 | 第26-29页 |
| ·定子电流诊断断条原理 | 第26-27页 |
| ·气隙偏心度诊断原理分析研究 | 第27-28页 |
| ·转子断条的频谱图变化 | 第28-29页 |
| ·异步交流电机故障诊断知识库的构建 | 第29-33页 |
| ·电动机的振动故障诊断知识库 | 第30-31页 |
| ·电动机的电流故障诊断知识库 | 第31-33页 |
| 第四章 基于BP神经网络的电机故障诊断 | 第33-53页 |
| ·从传统故障诊断到智能诊断 | 第33-34页 |
| ·从传统专家故障诊断系统到神经网络故障诊断专家系统 | 第34-35页 |
| ·传统专家系统的弱点 | 第34页 |
| ·基于神经网络的故障诊断专家系统优点 | 第34-35页 |
| ·基于BP神经网络故障诊断专家系统应用分析 | 第35-41页 |
| ·基于神经网络的知识获取 | 第36页 |
| ·基于神经网络的知识表示 | 第36-37页 |
| ·BP神经网络算法分析研究 | 第37-41页 |
| ·标准BP算法分析 | 第39-41页 |
| ·动量BP算法分析 | 第41页 |
| ·BP神经网络专家系统在电机故障诊断中的应用 | 第41-53页 |
| ·BP神经网络专家系统的构建 | 第41-43页 |
| ·网络的层数 | 第41-42页 |
| ·输入、输出层的神经元个数 | 第42页 |
| ·隐含层的神经元数 | 第42-43页 |
| ·学习速率的选择 | 第43页 |
| ·BP神经网络的训练 | 第43-48页 |
| ·样本集的输入 | 第43-45页 |
| ·网络的训练 | 第45-48页 |
| ·两种BP算法的训练结果比较 | 第48页 |
| ·基于BP神经网络的电机故障诊断 | 第48-51页 |
| ·编制的故障诊断软件包介绍 | 第49-50页 |
| ·故障的诊断 | 第50-51页 |
| ·结论 | 第51-53页 |
| 第五章 基于自组织神经网络的故障诊断推理 | 第53-63页 |
| ·引言 | 第53页 |
| ·Kohonen自组织神经网络 | 第53-58页 |
| ·自组织神经网络故障诊断原理 | 第58页 |
| ·故障诊断系统结构 | 第58页 |
| ·自组织神经网络的训练 | 第58-61页 |
| ·自组织神经网络的故障诊断 | 第61-62页 |
| ·结论 | 第62-63页 |
| 第六章 结束语 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69页 |