| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-22页 |
| ·研究的目的与意义 | 第11-12页 |
| ·研究的背景与现状 | 第12-20页 |
| ·故障诊断技术的发展 | 第12-13页 |
| ·故障诊断技术分类 | 第13-16页 |
| ·基于人工神经网络的智能诊断方法 | 第16-20页 |
| ·本文的主要研究内容 | 第20-22页 |
| 第二章 神经网络理论基础 | 第22-39页 |
| ·人工神经网络发展史 | 第22-24页 |
| ·神经元的结构 | 第24-27页 |
| ·神经元的生物学解剖 | 第24-26页 |
| ·神经元的信息处理与传递 | 第26页 |
| ·神经元的数学模型 | 第26-27页 |
| ·神经网络结构及功能 | 第27-32页 |
| ·神经网络模型结构 | 第28-29页 |
| ·神经网络数据计算处理过程 | 第29页 |
| ·神经网络的学习算法 | 第29-32页 |
| ·本文使用的人工神经网络 | 第32-39页 |
| ·SOM自组织人工神经网络 | 第32-34页 |
| ·LVQ人工神经网络简介 | 第34-35页 |
| ·RBF人工神经网络简介 | 第35-37页 |
| ·概率神经网络(PNN) | 第37-39页 |
| 第三章 基于数据预处理、多层SOM的远程故障诊断方法 | 第39-51页 |
| ·远程故障诊断 | 第39-40页 |
| ·数据预处理 | 第40页 |
| ·平均值数据降噪方法 | 第40-41页 |
| ·PCA数据降维方法 | 第41-44页 |
| ·主成分分析(PCA) | 第41-43页 |
| ·主成分分析的特点 | 第43页 |
| ·主成份分析计算方法 | 第43-44页 |
| ·ICA数据降维方法 | 第44-46页 |
| ·ICA及其模型 | 第44-45页 |
| ·ICA中数据的预处理 | 第45页 |
| ·FastICA计算 | 第45-46页 |
| ·ICA与PCA的比较 | 第46-47页 |
| ·集成PCA、ICA数据预处理的多层SOM远程故障诊断 | 第47-48页 |
| ·仿真实验 | 第48-50页 |
| ·结语 | 第50-51页 |
| 第四章 基于SOM特征映射图同步区域生长的故障诊断方法 | 第51-60页 |
| ·引言 | 第51页 |
| ·区域生长法 | 第51-53页 |
| ·区域生长基本原理 | 第51-53页 |
| ·区域生长准则 | 第53页 |
| ·同步区域生长(RSE)的区域划分方法 | 第53-55页 |
| ·基于SOM特征映射图的同步区域生长远程故障诊断方法 | 第55-56页 |
| ·试验 | 第56-58页 |
| ·结语 | 第58-60页 |
| 第五章 基于SOM特征映射图的动态向量场远程故障诊断方法 | 第60-67页 |
| ·向量场理论 | 第60页 |
| ·向量场区域划分方法 | 第60-62页 |
| ·基于SOM神经网络、动态引力场的远程故障诊断 | 第62-64页 |
| ·试验 | 第64-66页 |
| ·结语 | 第66-67页 |
| 第六章 基于层次分析法的神经网络故障诊断集成技术 | 第67-75页 |
| ·信息集成 | 第67页 |
| ·层次分析法基本原理 | 第67-71页 |
| ·成对比较判断矩阵和正互反矩阵 | 第68-69页 |
| ·一致性检验 | 第69-71页 |
| ·层次分析集成系统模型 | 第71-72页 |
| ·层次分析集成系统结构 | 第71-72页 |
| ·层次分析模型 | 第72页 |
| ·集成系统计算过程 | 第72页 |
| ·实验 | 第72-74页 |
| ·结语 | 第74-75页 |
| 第七章 总结与展望 | 第75-77页 |
| ·总结 | 第75页 |
| ·下一步工作 | 第75-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 攻硕期间取得的研究成果 | 第82页 |
