基于神经网络的设备状态预测方法研究及在风机上的应用
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-22页 |
| ·故障诊断和故障预测技术研究综述 | 第8-15页 |
| ·故障诊断、预测技术发展概况 | 第8-9页 |
| ·预测基本步骤 | 第9-10页 |
| ·预测方法综述 | 第10-12页 |
| ·预测有效性的评价 | 第12-15页 |
| ·故障预测、诊断技术的应用与发展 | 第15-18页 |
| ·故障预测、诊断技术的应用概况 | 第15-16页 |
| ·故障预测、诊断技术存在的问题和发展方向 | 第16-18页 |
| ·课题研究的背景、目的、意义和研究的主要内容 | 第18-21页 |
| ·研究背景、目的及意义 | 第18-20页 |
| ·本课题研究的主要内容 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 神经网络的预测方法及其应用 | 第22-36页 |
| ·数值预测的神经网络模型 | 第22-25页 |
| ·问题的定义 | 第22页 |
| ·网络的训练算法 | 第22-24页 |
| ·神经网络的预测方法 | 第24-25页 |
| ·D350风机运行状态预测 | 第25-32页 |
| ·运行状态特征分析 | 第26-27页 |
| ·D350风机测点的布置和报警值的设定 | 第27-28页 |
| ·振动预测 | 第28-32页 |
| ·基于粗糙集理论的神经网络结构优化 | 第32-35页 |
| ·基于粗糙集理论的神经网络结构优化 | 第33-34页 |
| ·实例比较 | 第34-35页 |
| ·本章小节 | 第35-36页 |
| 第三章 组合预测及其应用 | 第36-54页 |
| ·组合预测原理 | 第36-37页 |
| ·各单项预测方法的确定 | 第37-38页 |
| ·各单项方法的预测 | 第38-44页 |
| ·多项式回归预测 | 第39-40页 |
| ·GM(1，1)模型预测 | 第40-43页 |
| ·前馈神经网络预测 | 第43-44页 |
| ·基于神经网络的组合预测 | 第44-47页 |
| ·主分量分析 | 第44-46页 |
| ·组合预测 | 第46-47页 |
| ·D350风机报警时间的组合预测 | 第47-52页 |
| ·本章小节 | 第52-54页 |
| 第四章 D350故障诊断预测系统的设计开发 | 第54-67页 |
| ·引言 | 第54页 |
| ·系统的软硬件环境 | 第54-55页 |
| ·系统的软件环境 | 第54-55页 |
| ·系统的硬件环境 | 第55页 |
| ·系统的主要特点 | 第55-56页 |
| ·系统的设计 | 第56-63页 |
| ·系统设计原则 | 第56页 |
| ·系统的总体结构与功能模块 | 第56-59页 |
| ·系统的数据库设计 | 第59-63页 |
| ·系统的实现 | 第63-66页 |
| ·趋势分析功能的实现 | 第63-65页 |
| ·预测功能的实现 | 第65页 |
| ·诊断功能的实现 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 全文总结 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 附录1 | 第74-75页 |
| 附录2 | 第75-77页 |
| 致谢 | 第77页 |
