某大口径火炮装填装置故障诊断系统开发与研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第8-14页 |
| 1.1 论文研究背景和应用前景 | 第8-9页 |
| 1.2 故障诊断技术国内外发展概述 | 第9-11页 |
| 1.3 自动装填系统故障诊断的提出及研究意义 | 第11-12页 |
| 1.4 本文研究的主要内容 | 第12-14页 |
| 2 自动装填系统故障模式分析 | 第14-29页 |
| 2.1 大口径火炮自动装填系统组成 | 第14-15页 |
| 2.2 自动装填系统故障统计与分析 | 第15-17页 |
| 2.3 故障模式与影响分析(FMEA) | 第17-21页 |
| 2.4 本章小结 | 第21-29页 |
| 3 故障诊断专家系统方法设计 | 第29-38页 |
| 3.1 引言 | 第29页 |
| 3.2 专家系统概述 | 第29-30页 |
| 3.3 专家系统的组成结构 | 第30页 |
| 3.4 专家系统的结构设计 | 第30-36页 |
| 3.4.1 专家系统的知识获取设计 | 第30-31页 |
| 3.4.2 专家系统的知识表示 | 第31-35页 |
| 3.4.3 专家系统的推理机制设计 | 第35-36页 |
| 3.5 专家系统的工作过程 | 第36-37页 |
| 3.6 本章小结 | 第37-38页 |
| 4 基于神经网络的专家系统原理研究 | 第38-54页 |
| 4.1 传统专家系统的缺点 | 第38页 |
| 4.2 神经网络专家系统的工作原理和基本结构 | 第38-45页 |
| 4.2.1 神经元模型及网络结构 | 第39-41页 |
| 4.2.2 神经网络专家系统的基本原理 | 第41-42页 |
| 4.2.3 神经网络专家系统的组成结构 | 第42-45页 |
| 4.3 BP神经网络诊断方法 | 第45-47页 |
| 4.3.1 BP神经网络结构及工作原理 | 第45页 |
| 4.3.2 BP学习算法的实现 | 第45-47页 |
| 4.3.3 BP算法的改进 | 第47页 |
| 4.4 神经网络故障分析应用 | 第47-53页 |
| 4.4.1 基于小波理论的BP神经网络故障诊断 | 第47页 |
| 4.4.2 实验步骤及分析 | 第47-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 故障诊断专家系统具体实现 | 第54-63页 |
| 5.1 故障诊断系统的主要功能 | 第54-55页 |
| 5.2 系统的硬件结构 | 第55-58页 |
| 5.3 系统软件的设计 | 第58-62页 |
| 5.3.1 系统设置模块 | 第58-59页 |
| 5.3.2 实验模块 | 第59-61页 |
| 5.3.3 数据模块 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 6 总结与展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70页 |
