| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 论文的研究背景与意义 | 第8-14页 |
| 1.1.1 故障诊断的基本概念 | 第8页 |
| 1.1.2 故障诊断的内容和技术方法 | 第8-13页 |
| 1.1.3 船机涡轮增压器故障预测和诊断的意义 | 第13-14页 |
| 1.2 研究现状 | 第14-16页 |
| 1.2.1 故障诊断技术的研究现状 | 第14-15页 |
| 1.2.2 船机涡轮增压器故障诊断现状 | 第15-16页 |
| 1.3 研究目的 | 第16页 |
| 1.4 本文主要内容及安排 | 第16-17页 |
| 1.4.1 课题来源 | 第16页 |
| 1.4.2 主要内容及安排 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 2 船机涡轮增压器的故障及系统总体结构研究 | 第18-28页 |
| 2.1 概述 | 第18页 |
| 2.2 船机涡轮增压器常见的故障分类及特点研究 | 第18-23页 |
| 2.2.1 涡轮增压器简介 | 第18页 |
| 2.2.2 船机涡轮增压器的故障模式分析 | 第18-23页 |
| 2.2.3 船机涡轮增压器故障的特点分析 | 第23页 |
| 2.3 船机涡轮增压器故障诊断及售后服务系统总体结构分析 | 第23-27页 |
| 2.3.1 系统总体结构分析 | 第23-25页 |
| 2.3.2 运行模式 | 第25-27页 |
| 2.4 本章小结 | 第27-28页 |
| 3 船机涡轮增压器故障诊断方法研究 | 第28-52页 |
| 3.1 基于人工神经网络的涡轮增压器故障预测及诊断方法研究 | 第28-44页 |
| 3.1.1 人工神经网络简介 | 第28-30页 |
| 3.1.2 基于标准BP神经网络的增压器故障诊断方法及其不足 | 第30-38页 |
| 3.1.3 基于BP-GA网络的船机涡轮增压器故障诊断方法研究 | 第38-44页 |
| 3.2 基于故障树专家系统的船机涡轮增压器故障诊断模型 | 第44-50页 |
| 3.2.1 模型设计 | 第44-47页 |
| 3.2.2 实例分析 | 第47-49页 |
| 3.2.3 结果分析 | 第49-50页 |
| 3.3 本章小结 | 第50-52页 |
| 4 基于神经网络和专家系统的故障诊断及运维系统研究 | 第52-78页 |
| 4.1 系统分析 | 第52-65页 |
| 4.1.1 系统的目标及可行性分析 | 第52-53页 |
| 4.1.2 系统需求分析 | 第53-55页 |
| 4.1.3 系统业务流程分析 | 第55-58页 |
| 4.1.4 系统数据流分析 | 第58-61页 |
| 4.1.5 系统功能与数据分析 | 第61-63页 |
| 4.1.6 系统的体系结构 | 第63-65页 |
| 4.2 系统设计 | 第65-73页 |
| 4.2.1 系统功能模块设计 | 第65-66页 |
| 4.2.2 数据库设计 | 第66-73页 |
| 4.3 系统实现 | 第73-77页 |
| 4.3.1 系统开发工具的选择 | 第73页 |
| 4.3.2 Matlab与VB的混合编程 | 第73-74页 |
| 4.3.3 软件运行界面 | 第74-77页 |
| 4.4 本章小结 | 第77-78页 |
| 5 结论与展望 | 第78-80页 |
| 5.1 结论 | 第78页 |
| 5.2 展望 | 第78-80页 |
| 致谢 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 附录 | 第86页 |
| A. 攻读硕士期间从事的科研工作 | 第86页 |
| B. 攻读硕士期间的主要获奖情况 | 第86页 |
