| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题研究背景 | 第12-15页 |
| ·铝电解故障诊断简介 | 第13-15页 |
| ·国内外铝电解故障诊断研究现状 | 第15页 |
| ·课题研究的目的和意义 | 第15-16页 |
| ·本论文的主要工作 | 第16-18页 |
| 第二章 铝电解故障诊断技术 | 第18-22页 |
| ·故障检测与诊断技术的基础知识 | 第18页 |
| ·现代常用的故障检测与诊断方法 | 第18-19页 |
| ·基于铝电解过程的故障诊断方法 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 子故障诊断模型的建立 | 第22-34页 |
| ·神经网络简介与基本原理 | 第22页 |
| ·Elman神经网络故障子网络的建立 | 第22-24页 |
| ·遗传算法 | 第24-26页 |
| ·遗传算法简介 | 第24页 |
| ·遗传算法的基本操作 | 第24-25页 |
| ·遗传算子的影响 | 第25页 |
| ·算法流程 | 第25-26页 |
| ·Elman神经网络的故障诊断子网络的隐层神经元数目的确定 | 第26-28页 |
| ·可拓神经网络的背景知识 | 第28-30页 |
| ·可拓神经网络的基本结构 | 第28页 |
| ·可拓神经网络的基本学习算法 | 第28-30页 |
| ·可拓神经网络子故障诊断网络模型的建立 | 第30-32页 |
| ·两种网络的单故障预报测试结果的比较 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 决策融合网络模型的建立 | 第34-44页 |
| ·模糊神经网络 | 第34-35页 |
| ·决策融合网络模型的建立 | 第35-40页 |
| ·仿真曲线分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第五章 网络的学习优化算法 | 第44-52页 |
| ·粒子群优化算法 | 第44-46页 |
| ·基本粒子群算法简介 | 第44页 |
| ·基本粒子群算法流程 | 第44-46页 |
| ·混合粒子群优化算法 | 第46-50页 |
| ·全局粒子群优化算法 | 第47页 |
| ·局部粒子群优化算法 | 第47-48页 |
| ·学习率的选取 | 第48页 |
| ·混合PSO算法流程 | 第48-50页 |
| ·网络的训练过程 | 第50页 |
| ·基本粒子群算法及其改进后算法的训练结果 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第六章 铝电解上位机管理系统的设计 | 第52-62页 |
| ·系统的硬件配置 | 第52页 |
| ·系统软件设计 | 第52-59页 |
| ·模块的建立 | 第52-53页 |
| ·数据库的建立方案 | 第53-55页 |
| ·软件功能及软件界面的详细介绍 | 第55-59页 |
| ·MATLAB与VC++的接口的实现 | 第59-61页 |
| ·COM组件简介 | 第59-60页 |
| ·利用VC++调用Matlab | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 结论 | 第62-64页 |
| ·结论 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 作者简介 | 第66页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第66-68页 |
| 致谢 | 第68页 |