| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| §1-1 课题研究的背景 | 第8-9页 |
| §1-2 神经网络国内外研究现状 | 第9页 |
| §1-3 故障诊断技术研究现状 | 第9-10页 |
| §1-4 灌注桩故障诊断技术研究现状 | 第10页 |
| §1-5 课题研究的目的及意义 | 第10页 |
| §1-6 论文主要内容及结构 | 第10-12页 |
| 第二章 基于神经网络的灌注桩故障诊断的原理 | 第12-29页 |
| §2-1 故障诊断技术分析 | 第12-15页 |
| 2-1-1 故障诊断的概念 | 第12页 |
| 2-1-2 国内外关于该课题的研究现状及发展趋势 | 第12-13页 |
| 2-1-3 故障诊断方法分类 | 第13-14页 |
| 2-1-4 灌注桩故障模式类别及特征 | 第14-15页 |
| §2-2 人工神经网络 | 第15-22页 |
| 2-2-1 人工神经网络的定义 | 第15-16页 |
| 2-2-2 人工神经网络理论的发展史 | 第16-17页 |
| 2-2-3 人工神经网络的应用与研究方向 | 第17页 |
| 2-2-4 人工神经网络的基本结构特点 | 第17-18页 |
| 2-2-5 人工神经元的基本构成 | 第18-20页 |
| 2-2-6 人工神经元的互连结构 | 第20-21页 |
| 2-2-7 人工神经网络的主要学习方法 | 第21-22页 |
| 2-2-8 人工神经网络应用于故障模式识别 | 第22页 |
| §2-3 BP 神经网络分析 | 第22-28页 |
| 2-3-1 BP 神经网络理论分析 | 第22-23页 |
| 2-3-2 BP 网络学习公式推导 | 第23-24页 |
| 2-3-3 BP 网络学习过程的具体步骤 | 第24-26页 |
| 2-3-4 BP 网络的主要特点 | 第26页 |
| 2-3-5 BP 网络的不足 | 第26-27页 |
| 2-3-6 对BP 网络的改进方式 | 第27-28页 |
| §2-4 本章小结 | 第28-29页 |
| 第三章 灌注桩故障诊断的 BP 神经网络模型设计 | 第29-41页 |
| §3-1 引言 | 第29页 |
| §3-2 系统分析 | 第29-31页 |
| §3-3 神经网络故障检测模型建立 | 第31-40页 |
| 3-3-1 样本建立 | 第31页 |
| 3-3-2 样本数据预处理 | 第31-32页 |
| 3-3-3 网络层次结构设计 | 第32页 |
| 3-3-4 输入层设计 | 第32-33页 |
| 3-3-5 隐层设计 | 第33-35页 |
| 3-3-6 输出层设计 | 第35页 |
| 3-3-7 传递函数的选择 | 第35-36页 |
| 3-3-8 训练函数的选择 | 第36-39页 |
| 3-3-9 学习函数的选取 | 第39页 |
| 3-3-10 误差性能函数 | 第39-40页 |
| §3-4 本章小结 | 第40-41页 |
| 第四章 运用 BP 神经网络对灌注桩的故障诊断 Matlab 实现 | 第41-49页 |
| §4-1 Matlab 简介 | 第41-42页 |
| §4-2 BP 网络程序设计的Matlab 实现 | 第42-47页 |
| 4-2-1 Matlab 设计界面 | 第42-44页 |
| 4-2-2 BP 网络建立 | 第44页 |
| 4-2-3 BP 网络学习训练 | 第44-46页 |
| 4-2-4 BP 网络故障诊断 | 第46-47页 |
| §4-3 实验结果分析 | 第47-48页 |
| §4-4 本章小结 | 第48-49页 |
| 第五章 结束语 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 附录 A | 第52-58页 |
| 致谢 | 第58页 |