基于遗传—神经网络的电机故障网络化在线诊断的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-21页 |
| ·设备故障的定义 | 第9页 |
| ·诊断技术的发展 | 第9-11页 |
| ·国外诊断技术的发展和研究状况 | 第10页 |
| ·国内设备诊断技术的发展和研究状况 | 第10-11页 |
| ·诊断技术的意义 | 第11-13页 |
| ·感应电动机故障类型和常用诊断技术 | 第13-15页 |
| ·感应电动机故障诊断技术的特点 | 第15-17页 |
| ·人工神经网络及在故障诊断中的应用 | 第17-18页 |
| ·遗传算法及其与神经网络的结合 | 第18-19页 |
| ·课题来源 | 第19页 |
| ·本文的主要研究内容和工作 | 第19-21页 |
| 第二章 电机故障机理分析及特征信号模拟 | 第21-39页 |
| ·电机故障的机理分析及特征 | 第21-34页 |
| ·定子匝间短路故障分析 | 第22-24页 |
| ·转子绕组故障分析 | 第24-27页 |
| ·转子偏心故障分析 | 第27-30页 |
| ·轴承故障分析 | 第30-34页 |
| ·电机故障特征信号的仿真 | 第34-39页 |
| ·电机定子故障信号的仿真 | 第35-36页 |
| ·电机转子故障信号的仿真 | 第36-37页 |
| ·电机偏心故障信号的仿真 | 第37-38页 |
| ·电机轴承故障信号的仿真 | 第38-39页 |
| 第三章 神经网络及在故障诊断中的应用 | 第39-52页 |
| ·神经网络概述 | 第39-42页 |
| ·神经网络的发展 | 第39-40页 |
| ·神经网络的特点 | 第40-41页 |
| ·神经网络的应用范围 | 第41-42页 |
| ·神经网络模型 | 第42-48页 |
| ·神经元模型 | 第42-43页 |
| ·BP 神经网络的结构及算法 | 第43-46页 |
| ·隐含层神经元数目的确定 | 第46页 |
| ·BP 算法存在的问题 | 第46页 |
| ·BP 改进型学习算法 | 第46-48页 |
| ·神经网络故障诊断模型 | 第48-50页 |
| ·单神经网络故障诊断 | 第48-49页 |
| ·基于任务分解的神经网络故障诊断 | 第49-50页 |
| ·集成神经网络故障诊断 | 第50页 |
| ·神经网络的设计 | 第50-51页 |
| ·数据融合 | 第51-52页 |
| 第四章 遗传算法及其与神经网络结合 | 第52-63页 |
| ·遗传算法的发展、特点与应用 | 第52-55页 |
| ·遗传算法的原理与实现过程 | 第55-57页 |
| ·初始种群的生成 | 第56页 |
| ·适应度函数的设计 | 第56页 |
| ·遗传操作 | 第56-57页 |
| ·遗传算法与神经网络的结合 | 第57-58页 |
| ·自适应遗传算子 | 第58-59页 |
| ·遗传－神经网络的实现及研究分析 | 第59-63页 |
| 第五章 网络化电机故障诊断系统 | 第63-72页 |
| ·网络化发展的趋势及意义 | 第63页 |
| ·NCS 的优点及存在的问题 | 第63-64页 |
| ·以太网的发展趋势 | 第64-65页 |
| ·网络化故障诊断系统设计 | 第65-69页 |
| ·故障诊断系统的组成 | 第65-66页 |
| ·Socket 技术概述 | 第66-67页 |
| ·Matlab 与 VC++接口技术概述 | 第67页 |
| ·网络化故障诊断系统的原理 | 第67-69页 |
| ·网络化故障诊断系统的实现 | 第69-71页 |
| ·实验系统分析与总结 | 第71-72页 |
| 第六章 总结与展望 | 第72-73页 |
| ·论文总结 | 第72页 |
| ·工作展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表论文及参与科研项目 | 第77-78页 |
| 致谢 | 第78-79页 |
