首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

RBF神经网络在船用低速柴油机故障诊断中的应用研究

中文摘要第1-4页
英文摘要第4-8页
第1章 绪论第8-15页
 1.1 船用柴油机故障诊断研究及发展过程第8-10页
  1.1.1 柴油机故障诊断的目的与任务第8-9页
  1.1.2 国内外发展动态第9-10页
 1.2 船用柴油机故障诊断常用方法及其特点第10-11页
  1.2.1 润滑油法第10页
  1.2.2 性能参数法第10-11页
  1.2.3 振动噪声法第11页
 1.3 本课题的主要研究内容与实现方法第11-15页
  1.3.1 概述第11-12页
  1.3.2 主要研究内容和思路第12-14页
  1.3.3 关键技术及研究难点第14-15页
第2章 人工神经网络模型的建立第15-22页
 2.1 概述第15-18页
  2.1.1 人工神经网络及其特征第15页
  2.1.2 ANN结构原理与算法第15-18页
 2.2 径向基函数网络第18-22页
  2.2.1 RBF网络模型第18页
  2.2.2 RBF学习规则第18-20页
  2.2.3 RBF网络训练方式第20-21页
  2.2.4 小结第21-22页
第3章 船用涡轮增压柴油机运行性能故障的模拟计算第22-29页
 3.1 前言第22页
 3.2 船用涡轮增压柴油机运行性能预测程序简介第22-25页
  3.2.1 柴油机气缸热力循环过程第22-23页
  3.2.2 柴油机排气管第23-24页
  3.2.3 排气温度的计算第24页
  3.2.4 增压系统各部分流动阻力或污阻的计算模型第24页
  3.2.5 V.I.T.装置模型第24-25页
  3.2.6 涡轮增压器第25页
 3.3 程序结构第25-27页
 3.4 计算实例与分析第27页
 3.5 小结第27-29页
第4章 MATLAB环境下船用柴油机运行故障诊断的计算机仿真第29-38页
 4.1 柴油机运行故障发展与诊断策略第29-30页
  4.1.1 柴油机运行故障计算机仿真第29-30页
  4.1.2 故障诊断策略第30页
 4.2 基于MATLAB环境的诊断仿真程序第30-36页
  4.2.1 MATLAB语言与工具箱系统主要特点与功能第30-31页
  4.2.2 基于MATLAB环境的诊断仿真程序第31-33页
  4.2.3 径向基函数网络的设计第33-36页
 4.3 网络输入变量归一化处理第36-38页
第5章 RBF神经网络在船用柴油机故障诊断中的应用实例第38-58页
 5.1 分层次诊断模型第38-39页
 5.2 仿真程序第39-41页
  5.2.1 基于RBF网络的诊断过程第40页
  5.2.2 仿真诊断程序框图第40-41页
 5.3 涡轮增压系统故障诊断应用实例第41-48页
  5.3.1 输出、输入向量的确定及征兆/故障样本集的设计第41-43页
  5.3.2 网络输出处理第43-46页
  5.3.3 网络测试结果与分析第46-48页
 5.4 气缸组件与燃烧系统故障诊断应用实例第48-55页
  5.4.1 输出、输入向量的确定及征兆/故障样本集的设计第48-52页
  5.4.2 诊断测试仿真分析第52-55页
 5.5 网络容错分析与分布常数sc的选取第55-58页
  5.5.1 网络容错分析第55-56页
  5.5.2 分布常数sc的选取第56-58页
第6章 船用柴油机故障诊断仿真系统的研究与实现第58-62页
 6.1 仿真系统的设计第58-59页
 6.2 仿真系统功能与结构原理第59-62页
  6.2.1 仿真系统功能第59-60页
  6.2.2 仿真系统结构原理第60-62页
第7章 结论第62-64页
攻读学位期间公开发表的论文第64-66页
致谢第66-67页
参考文献第67-71页
附录第71-78页

论文共78页,点击 下载论文
上一篇:电子学远程教学支撑系统的构建
下一篇:VTS中船舶识别系统方案研究