基于神经网络的机械系统可靠性研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·论文选题背景及意义 | 第10-12页 |
| ·机械可靠性工程的发展状况 | 第12-14页 |
| ·神经网络在国内外的发展和应用 | 第14-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第2章 可靠性模型和神经网络基本理论 | 第18-30页 |
| ·可靠性模型概述 | 第18-23页 |
| ·机械可靠性工程中常用的几种分布模型 | 第18-21页 |
| ·经典的可靠性模型选择方法 | 第21-23页 |
| ·神经网络理论基础 | 第23-26页 |
| ·神经元的构成原理 | 第23-25页 |
| ·人工神经网络的虚拟实现技术 | 第25-26页 |
| ·神经网络模式识别 | 第26-28页 |
| ·模式识别方法 | 第26-27页 |
| ·神经网络模式识别技术 | 第27-28页 |
| ·神经网络在可靠性模式选择中的优势 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于神经网络的参数估计方法的研究 | 第30-40页 |
| ·传统的参数估计方法 | 第30-32页 |
| ·基于神经网络的可靠性参数估计 | 第32-37页 |
| ·自适应线性神经网络的结构 | 第32-35页 |
| ·面向分布参数估计的神经网络建模 | 第35-37页 |
| ·数值模拟 | 第37-38页 |
| ·自适应线性网络的局限性 | 第38页 |
| ·本章小结 | 第38-40页 |
| 第4章 基于神经网络的可靠性模型识别的研究 | 第40-52页 |
| ·模式特征提取 | 第40-43页 |
| ·可靠性概率分布的数字特征 | 第40-42页 |
| ·样本数据的降维处理 | 第42页 |
| ·样本数据的标准化 | 第42-43页 |
| ·基于BP 网络的可靠性模型智能识别 | 第43-49页 |
| ·BP 网络模型结构及BP 算法 | 第43-45页 |
| ·BP 网络的组建 | 第45-49页 |
| ·训练样本数据设计 | 第46-47页 |
| ·网络期望目标的设计 | 第47-48页 |
| ·网络结构的设计 | 第48页 |
| ·网络的训练方式的确定 | 第48-49页 |
| ·网络的分类能力的检测 | 第49页 |
| ·神经网络分类器识别性能度量 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 仿真实例及分析 | 第52-71页 |
| ·仿真问题描述 | 第52-61页 |
| ·仿真工具选择 | 第52页 |
| ·仿真步骤 | 第52-61页 |
| ·BP 网络识别器的泛化能力测试 | 第61-67页 |
| ·网络识别性能的改善 | 第67-69页 |
| ·实例验证 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 附录 | 第73-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 作者简介 | 第82页 |
