| 第一章 绪论 | 第1-23页 |
| 1．1 论文背景 | 第7页 |
| 1．2 研究意义 | 第7-8页 |
| 1．3 故障诊断技术的发展历史、应用现状及发展趋势 | 第8-12页 |
| 1．4 人工神经网络的发展历史、应用现状及发展趋势 | 第12-16页 |
| 1．5 模式识别技术的发展、应用现状及发展趋势 | 第16-17页 |
| 1．6 故障诊断的主要理论、方法和内容 | 第17-21页 |
| 1．6．1 故障诊断的主要理论和方法 | 第17-19页 |
| 1．6．2 现代故障诊断的主要内容 | 第19-21页 |
| 1．7 本论文的主要工作及技术难点 | 第21-23页 |
| 第二章 自组织特征映射网络的基本原理 | 第23-35页 |
| 2．1 自组织模式识别的一般原理 | 第23-26页 |
| 2．2 自组织神经网络的无导师学习方法 | 第26-29页 |
| 2．3 Kohonen自组织特征映射神经网络模型 | 第29-35页 |
| 第三章 自组织状态识别系统的设计 | 第35-40页 |
| 3．1 新故障模式的知识处理 | 第35-36页 |
| 3．2 自组织识别系统的设计 | 第36-40页 |
| 第四章 试验方案与分析软件的介绍 | 第40-52页 |
| 4．1 监测方案的确定 | 第40-48页 |
| 4．2 软件介绍 | 第48-52页 |
| 第五章 空调风机的状态分类与评估 | 第52-67页 |
| 5．1 自组织神经网络状态自动识别系统的分类功能 | 第52-54页 |
| 5．2 空调风机振动状态识别的实例分析 | 第54-57页 |
| 5．3 影响神经网络分类效果的几个因素 | 第57-65页 |
| 5．4 从神经网络分类图上的状态走势曲线判定设备的状态变化 | 第65-67页 |
| 第六章 结论 | 第67-68页 |
| 6．1 总结 | 第67页 |
| 6．2 进一步的工作 | 第67-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士学位期间完成的科研论文及有关科研项目 | 第69-70页 |
| 参考文献 | 第70-72页 |
