| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-17页 |
| ·课题研究背景、目的、意义 | 第11-12页 |
| ·研究工作的背景 | 第11-12页 |
| ·课题的研究意义 | 第12页 |
| ·故障诊断技术 | 第12-15页 |
| ·故障诊断的任务及流程 | 第13-14页 |
| ·故障诊断技术的发展状况 | 第14-15页 |
| ·本文研究的主要内容 | 第15-17页 |
| 第2章 连杆裂解设备结构及故障分析 | 第17-27页 |
| ·发动机裂解设备的基本组成 | 第17-20页 |
| ·发动机裂解设备的工作过程 | 第20-21页 |
| ·发动机裂解设备的故障机理 | 第21-22页 |
| ·发动机裂解设备的故障分类 | 第21-22页 |
| ·发动机裂解设备的故障机理 | 第22页 |
| ·连杆裂解设备常见故障 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 第3章 发动机裂解设备故障诊断方法分析 | 第27-37页 |
| ·基于 PLC 的裂解设备故障检测 | 第27-29页 |
| ·PLC 故障诊断原理 | 第27页 |
| ·PLC 故障诊断流程 | 第27-28页 |
| ·部分 PLC 故障诊断程序 | 第28-29页 |
| ·智能故障诊断方法的确定 | 第29-31页 |
| ·故障诊断信号的采集 | 第31-36页 |
| ·数据采集系统硬件选择 | 第31-34页 |
| ·数据采集软件 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 神经网络用于故障诊断的原理 | 第37-55页 |
| ·神经网络简介 | 第37-42页 |
| ·神经网络用于故障诊断的优势 | 第37-38页 |
| ·神经网络的基本组成单元 | 第38-39页 |
| ·神经网络的学习规则 | 第39-42页 |
| ·BP 神经网络模型 | 第42-45页 |
| ·BP 网络算法分析 | 第45-50页 |
| ·梯度下降算法的原理 | 第45-49页 |
| ·BP 故障诊断网络程序的实现 | 第49-50页 |
| ·BP 算法的改进 | 第50-53页 |
| ·BP 算法存在的问题 | 第50-51页 |
| ·BP 网络的改进 | 第51-53页 |
| ·本章小结 | 第53-55页 |
| 第5章 裂解设备 BP 网络故障诊断模型构建与仿真 | 第55-67页 |
| ·神经网络输入量的选择 | 第55-57页 |
| ·故障特征参数选取原则 | 第55-56页 |
| ·裂解设备故障特征参数的选取 | 第56-57页 |
| ·样本的选取 | 第57页 |
| ·输入样本数据的预处理 | 第57页 |
| ·故障诊断网络的构建 | 第57-60页 |
| ·网络层数及每层神经元数目确定 | 第58-59页 |
| ·激励函数、期望误差等参数的选取 | 第59-60页 |
| ·故障诊断网络的训练及故障诊断 | 第60-65页 |
| ·故障诊断网络的训练 | 第60页 |
| ·故障诊断网络结构优化 | 第60-64页 |
| ·利用训练好的神经网络进行故障诊断 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 第6章 全文总结 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73页 |