基于神经网络的船舶柴油机故障诊断研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究背景 | 第9-10页 |
| ·船舶柴油机组故障诊断的研究现状和发展 | 第10-13页 |
| ·船舶柴油机组故障诊断的国内外研究现状 | 第10-12页 |
| ·船舶柴油机故障诊断的发展趋势 | 第12-13页 |
| ·人工神经网络在故障诊断中的应用 | 第13-15页 |
| ·本文研究内容和论文结构 | 第15-16页 |
| 第2章 BP 神经网络的原理 | 第16-32页 |
| ·人工神经网络的基本理论 | 第16-20页 |
| ·人工神经网络的发展 | 第16-17页 |
| ·人工神经元模型 | 第17-20页 |
| ·BP 神经网络 | 第20-28页 |
| ·BP 神经网络的模型 | 第20-22页 |
| ·BP 神经网络的学习算法 | 第22-25页 |
| ·标准 BP 算法的改进方法 | 第25-26页 |
| ·BP 网络参数的选取原则 | 第26-28页 |
| ·基于 BP 网络对柴油机涡轮增压系统的故障诊断 | 第28-31页 |
| ·BP 网络输入、输出及样本数据 | 第28-29页 |
| ·网络结构的确定及训练 | 第29-30页 |
| ·BP 网络测试及结果分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 遗传算法优化 BP 神经网络 | 第32-46页 |
| ·BP 网络的缺点和优化方案 | 第32-34页 |
| ·BP 网络的缺点 | 第32页 |
| ·BP 网络的优化方案 | 第32-34页 |
| ·遗传算法的原理 | 第34-36页 |
| ·遗传算法中参数的选择 | 第36-45页 |
| ·编码方案的选择 | 第36-37页 |
| ·编初始种群的生成 | 第37-38页 |
| ·适应度函数的设计 | 第38-39页 |
| ·遗传操作的设计 | 第39-42页 |
| ·初始参数的选取原则 | 第42-43页 |
| ·遗传算法优化实例 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 柴油机燃油系统的故障诊断 | 第46-65页 |
| ·船舶柴油机组的简介 | 第46-48页 |
| ·柴油机燃油系统 | 第46-47页 |
| ·燃油喷射过程 | 第47-48页 |
| ·柴油机燃油系统压力波形 | 第48-53页 |
| ·压力波形成机理 | 第48-51页 |
| ·燃油压力的测量 | 第51-53页 |
| ·燃油系统的几种常见故障 | 第53-57页 |
| ·柴油机燃油压力波形特征参数的提取 | 第57-60页 |
| ·燃油压力波形特征提取 | 第58页 |
| ·诊断特征参数的识别 | 第58-60页 |
| ·基于遗传算法神经网络的燃油系统故障诊断 | 第60-64页 |
| ·样本数据及 BP 网络结构的确定 | 第60-62页 |
| ·遗传算法优化 BP 网络 | 第62-63页 |
| ·优化后 BP 网络的训练及测试 | 第63-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·全文总结 | 第65-66页 |
| ·研究展望 | 第66-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
