| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题的背景 | 第9-11页 |
| 1.2 课题研究的目的和意义 | 第11-12页 |
| 1.3 神经网络技术研究历史与现状 | 第12-16页 |
| 1.3.1 研究历史 | 第12-15页 |
| 1.3.2 神经网络技术在故障诊断与预测研究现状 | 第15-16页 |
| 1.4 本文主要研究内容 | 第16-17页 |
| 第2章 神经网络模型及BP神经网络 | 第17-36页 |
| 2.1 生物神经元与人工神经元模型 | 第17-19页 |
| 2.1.1 生物神经元 | 第17-18页 |
| 2.1.2 人工神经元模型 | 第18-19页 |
| 2.2 神经网络 | 第19-26页 |
| 2.2.1 神经网络模型 | 第19-22页 |
| 2.2.2 神经网络的特点 | 第22-23页 |
| 2.2.3 神经网络的学习 | 第23-26页 |
| 2.3 BP神经网络 | 第26-30页 |
| 2.3.1 BP神经网络结构 | 第26-27页 |
| 2.3.2 经典BP神经网络模型算法 | 第27-30页 |
| 2.4 BP神经网络算法的特点及改进 | 第30-35页 |
| 2.4.1 BP算法的收敛性 | 第30-31页 |
| 2.4.2 BP算法存在的问题 | 第31页 |
| 2.4.3 BP算法存在的问题改进 | 第31-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第3章 变桨系统故障及BP神经网络的预测诊断 | 第36-52页 |
| 3.1 变桨系统介绍 | 第36-38页 |
| 3.2 变桨系统的故障及分析 | 第38-41页 |
| 3.2.1 变桨系统数据采集类型 | 第38-39页 |
| 3.2.2 风力发电机变桨系统的典型故障 | 第39-41页 |
| 3.3 BP神经网络的建立 | 第41-51页 |
| 3.3.1 BP神经网络输入层选择与确定 | 第41-42页 |
| 3.3.2 BP神经网络隐藏层与隐藏层神经元确定 | 第42-44页 |
| 3.3.3 风力发电机组故障值BP神经网络预测模型 | 第44页 |
| 3.3.4 BP神经网样本数据处理 | 第44-46页 |
| 3.3.5 BP神经网络学习速率确定 | 第46-47页 |
| 3.3.6 BP神经网络 | 第47-49页 |
| 3.3.7 预测结果 | 第49-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 基于BP神经网络数据预测功能的改进 | 第52-59页 |
| 4.1 样本数据 | 第52-53页 |
| 4.2 BP算法改进 | 第53-58页 |
| 4.2.1 动量因子 | 第53-55页 |
| 4.2.2 动态调整学习率 | 第55-56页 |
| 4.2.3 模拟预测 | 第56-57页 |
| 4.2.4 结论 | 第57-58页 |
| 4.3 本章小结 | 第58-59页 |
| 第5章 总结与展望 | 第59-60页 |
| 5.1 研究工作总结 | 第59页 |
| 5.2 问题与展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第64-65页 |
| 致谢 | 第65页 |