首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--监视、报警、故障诊断系统论文

基于神经网络的机电系统智能诊断方法研究

第一章 绪论第1-11页
 1.1 课题来源及选题的目的意义第9页
  1.1.1 课题来源第9页
  1.1.2 选题的目的和意义第9页
 1.2 国内外研究现状及存在的问题第9-10页
 1.3 本论文的主要研究内容第10-11页
第二章 故障诊断概述第11-17页
 2.1 故障诊断的主要环节第11-12页
 2.2 常用的故障诊断方法第12-15页
  2.2.1 基于模式识别的故障诊断第12-13页
  2.2.2 基于参数估计的监测与诊断第13页
  2.2.3 基于离散观察的监控与诊断第13-15页
  2.2.4 基于专家系统的监控与诊断第15页
  2.2.5 基于神经网络的故障监控与诊断第15页
 2.3 基于人工神经网络的故障诊断第15-17页
第三章 故障的特征分析与特征信息的选择第17-22页
 3.1 故障信息与故障信息特征第17-19页
  3.1.1 故障信息的分类第18页
  3.1.2 故障信息特征第18页
  3.1.3 故障信息的传递第18-19页
 3.2 故障特征的选择第19-20页
  3.2.1 故障诊断中的特征参数第19页
  3.2.2 故障特征的选择第19-20页
  3.2.3 机电系统故障诊断中故障特征的评价第20页
 3.3 故障特征的提取第20-22页
  3.3.1 主元特征提取第20-21页
  3.3.2 基于BP网络的特征提取第21-22页
第四章 神经网络的基本模型第22-31页
 4.1 神经网络的基本概念第22-26页
  4.1.1 神经元模型第22-23页
  4.1.2 神经网络的主要类型第23-24页
  4.1.3 神经网络的学习规则第24-26页
 4.2 神经网络的基本模型第26-31页
  4.2.1 多层前馈BP网络第26页
  4.2.2 Hopfield网络第26-27页
  4.2.3 Kohonen自组织特征映射网络第27-28页
  4.2.4 模糊神经网络第28-31页
第五章 基于神经网络的故障诊断方法第31-35页
 5.1 基于神经网络故障诊断的数学建模第31-33页
  5.1.1 基于神经网络故障诊断的数学描述第32页
  5.1.2 基于前馈网络的学习算法第32-33页
 5.2 基于神经网络的故障诊断方法第33-35页
第六章 基于神经网络的故障诊断软件实现第35-40页
 6.1 软件的总体结构设计第35-36页
  6.1.1 故障诊断系统的结构第35页
  6.1.2 诊断管理模块第35-36页
  6.1.3 诊断学习模块第36页
  6.1.4 故障诊断模块第36页
  6.1.5 诊断征兆获取模块第36页
  6.1.6 诊断过程解释模块第36页
  6.1.7 诊断咨询模块第36页
 6.2 软件的控制流程第36-38页
 6.3 软件的开发工具第38-40页
  6.3.1 用户界面的开发第38-39页
  6.3.2 系统软件第39-40页
第七章 基于神经网络故障诊断的应用第40-55页
 7.1 辊碾磨的基本工作原理第40-41页
  7.1.1 辊碾磨简介第40页
  7.1.2 辊碾磨基本工作原理第40-41页
 7.2 辊碾磨故障特征信息的提取第41-46页
  7.2.1 辊碾磨故障特征信息的提取第41页
  7.2.2 传感器的选用和布置第41-43页
  7.2.3 数据采集第43-45页
  7.2.4 监测与通信的系统结构第45-46页
 7.3 辊碾磨故障特征信息与故障间的映射关系第46-49页
  7.3.1 辊碾磨故障的特征信息第46-48页
  7.3.2 辊碾磨的故障类型第48页
  7.3.3 辊碾磨故障特征信息与故障间的映射关系第48-49页
 7.4 辊碾磨故障诊断系统界面及流程第49-51页
  7.4.1 故障诊断系统界面第49-51页
  7.4.2 故障诊断系统界面流程第51页
 7.5 辊碾磨故障诊断的仿真第51-55页
  7.5.1 辊碾磨故障特征信息的工艺要求第51-53页
  7.5.2 故障特征参数的选择第53页
  7.5.3 辊碾磨故障诊断的仿真第53-54页
  7.5.4 辊碾磨故障诊断仿真结果分析第54-55页
第八章 总结第55-57页
致谢第57-58页
参考文献第58-59页

论文共59页,点击 下载论文
上一篇:衢州电力多经企业发展战略的研究
下一篇:利用状态空间理论对建筑结构动力问题的研究