| 第一章 绪论 | 第1-21页 |
| ·旋转机械故障诊断技术发展现状综述 | 第8-13页 |
| ·智能故障诊断系统发展概况 | 第8-10页 |
| ·模糊神经网络在智能诊断系统中的发展及应用 | 第10-13页 |
| ·模糊神经网络专家系统的技术特点 | 第13-17页 |
| ·模糊神经网络与专家系统结合的可行性分析 | 第13-16页 |
| ·模糊神经网络专家系统的技术特点 | 第16-17页 |
| ·课题来源、研究重点及研究意义 | 第17-20页 |
| ·本文研究工作的背景和目的 | 第17-19页 |
| ·本课题研究的具体内容 | 第19页 |
| ·本课题的研究意义 | 第19-20页 |
| ·小结 | 第20-21页 |
| 第二章 D350风机故障诊断专家系统的建立 | 第21-31页 |
| ·D350风机专家系统的总体要求与基本架构 | 第21-24页 |
| ·D350风机故障诊断专家系统深知识库的建立 | 第24-30页 |
| ·小结 | 第30-31页 |
| 第三章 D350风机故障特征库的建立 | 第31-53页 |
| ·故障信号模糊量化法原理概述 | 第31-33页 |
| ·D350风机常见故障的频域特征分析及故障特征点的确定 | 第33-43页 |
| ·油膜涡动故障特征分析及故障特征点的选取 | 第34-36页 |
| ·转子不对中的振动特性分析及故障特征点的选取 | 第36-39页 |
| ·松动故障的振动特性分析及故障特征点的选取 | 第39-40页 |
| ·其他故障模拟频谱及D350风机故障特征点的选取 | 第40-43页 |
| ·D350风机频谱分析精度的改进办法 | 第43-45页 |
| ·FFT频谱分析法研究 | 第43-44页 |
| ·FFT-FS算法对FFT频谱分析法改进 | 第44-45页 |
| ·D350风机特征库的建立 | 第45-51页 |
| ·小结 | 第51-53页 |
| 第四章 D350风机故障诊断系统学习算法的实现 | 第53-73页 |
| ·BP神经网络基本原理概述 | 第53-56页 |
| ·D350风机故障诊断系统模糊神经网络算法的实现 | 第56-63页 |
| ·标准故障样本数据的获取 | 第57-59页 |
| ·标准故障样本频谱分析 | 第59-60页 |
| ·故障特征库的建立 | 第60-61页 |
| ·神经网络的学习和训练 | 第61-63页 |
| ·D350风机模糊神经网络算法的训练及测试 | 第63-68页 |
| ·故障诊断实例 | 第68-72页 |
| ·小结 | 第72-73页 |
| 第五章 结论 | 第73-74页 |
| 参考书目 | 第74-79页 |
| 发表的论文 | 第79-80页 |
| 致谢 | 第80页 |