| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-18页 |
| ·选题背景与意义 | 第10-12页 |
| ·轮机模拟器概述 | 第12-15页 |
| ·轮机仿真模拟器的国内外动态 | 第12-13页 |
| ·WMS型轮机模拟器构造与通讯设计 | 第13-14页 |
| ·仿真支撑软件介绍 | 第14-15页 |
| ·船舶柴油机主机气动操纵系统的仿真 | 第15-16页 |
| ·本课题研究的主要工作 | 第16页 |
| ·本课题意义 | 第16-18页 |
| 第2章 船舶主柴油机的气动操纵系统与逻辑分析 | 第18-33页 |
| ·MAN B&W型主机控制系统 | 第18-25页 |
| ·MAN B&W型主机控制系统的组成 | 第18-19页 |
| ·MAN B&W型主机气动控制装置结构组成及功能分析 | 第19-25页 |
| ·仿真对象的逻辑分析与建模 | 第25-30页 |
| ·备车控制 | 第25-26页 |
| ·停车控制 | 第26-27页 |
| ·起动控制 | 第27-29页 |
| ·换向控制 | 第29-30页 |
| ·主机遥控系统仿真图形界面 | 第30-33页 |
| 第3章 主机遥控系统故障机理描述及特征提取 | 第33-51页 |
| ·主机遥控系统故障描述 | 第33-37页 |
| ·气源单元 | 第33-34页 |
| ·起动单元 | 第34-35页 |
| ·换向单元 | 第35-36页 |
| ·调速单元 | 第36页 |
| ·停车单元 | 第36-37页 |
| ·数据挖掘和知识抽取 | 第37-40页 |
| ·数据挖掘的概念 | 第37-38页 |
| ·数据库的基本概念 | 第38-39页 |
| ·数据挖掘在故障诊断中的应用 | 第39-40页 |
| ·主机遥控系统故障特征提取 | 第40-43页 |
| ·基于BP神经网络的特征提取方法 | 第41-42页 |
| ·基于互信息熵的特征提取方法 | 第42-43页 |
| ·主机遥控系统故障树建立与分析 | 第43-47页 |
| ·故障树分析法简介 | 第43-45页 |
| ·故障树定性分析 | 第45-47页 |
| ·主机遥控系统故障专家系统的设计 | 第47-51页 |
| ·主机遥控系统故障诊断专家系统的设计目标 | 第47-48页 |
| ·主机遥控系统故障诊断专家系统的设计方案 | 第48-51页 |
| 第4章 基于人工神经网络的主机遥控系统故障模拟与实现 | 第51-69页 |
| ·人工神经网络算法 | 第51-54页 |
| ·人工神经网络的概念及特征 | 第51-52页 |
| ·人工神经网络的基本内容 | 第52-54页 |
| ·主机遥控系统故障自学习推理 | 第54-56页 |
| ·模糊自学习故障诊断方法的一般步骤 | 第54页 |
| ·模糊自学习故障诊断方法的基本原理 | 第54-55页 |
| ·隶属度函数及其确定方法 | 第55-56页 |
| ·主机遥控系统故障诊断规则的建立 | 第56-59页 |
| ·运用粗集理论建立故障规则的方法 | 第57页 |
| ·运用粗集理论简化故障规则的基本方法 | 第57-58页 |
| ·故障诊断规则获取的方法 | 第58-59页 |
| ·主机遥控系统故障诊断专家系统架构 | 第59-60页 |
| ·主机遥控系统故障诊断模拟案例 | 第60-65页 |
| ·故障树的建立 | 第60-62页 |
| ·知识的表达方式 | 第62-63页 |
| ·诊断知识的不确定性描述 | 第63页 |
| ·推理机制 | 第63-64页 |
| ·自学习机制 | 第64-65页 |
| ·主机遥控系统故障模拟仿真结果分析与评价 | 第65-69页 |
| ·对已学习过的故障情况进行诊断的结果 | 第66页 |
| ·主机遥控系统故障模拟仿真实例 | 第66-67页 |
| ·主机遥控系统故障模拟仿真结果评价 | 第67-69页 |
| 第5章 结论及展望 | 第69-70页 |
| ·结论 | 第69页 |
| ·展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士学位期间发表的论文 | 第74-75页 |
| 附图:MAN B&W 12K90MC主机气动操纵系统原理图 | 第75页 |
