| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题来源 | 第9页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·相关领域国内外研究现状 | 第10-15页 |
| ·数据融合技术的研究现状 | 第10-12页 |
| ·故障诊断技术的研究现状 | 第12-15页 |
| ·本文的主要研究工作及结构 | 第15-17页 |
| ·本文研究的主要内容 | 第15页 |
| ·本文结构安排 | 第15-17页 |
| 第2章 神经网络在电梯故障诊断中的应用 | 第17-36页 |
| ·电梯常见故障 | 第17-18页 |
| ·电梯故障特征的提取 10 | 第18-20页 |
| ·基于 BP 神经网络的电梯故障诊断 | 第20-29页 |
| ·BP 神经网络算法 | 第20-24页 |
| ·BP 神经网络在电梯急停故障诊断中的应用 | 第24-29页 |
| ·基于 GA-BP 神经网络的电梯故障诊断 | 第29-35页 |
| ·遗传算法概述 | 第29-31页 |
| ·遗传算法优化的 BP 神经网络 | 第31-33页 |
| ·GA-BP 神经网络在电梯故障诊断中的应用 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 电梯急停故障特征参数的优化 | 第36-52页 |
| ·基于聚类分析的特征参数优化 | 第36-42页 |
| ·基于新息特征矢量的特征参数优化 | 第42-47页 |
| ·基于急停特征参数值变化率的特征参数优化 | 第47-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 电梯急停故障诊断实际应用分析 | 第52-63页 |
| ·电梯急停故障的多次采样诊断方法 | 第52-53页 |
| ·电梯多次采样诊断中 GA-BP 诊断分类器的设计 | 第53-60页 |
| ·主成分分析方法概述 | 第53-54页 |
| ·基于主成分分析的 GA-BP 多次采样诊断分类器设计 | 第54-60页 |
| ·电梯监控系统中的电梯故障诊断方案 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第5章 总结与展望 | 第63-65页 |
| ·本文工作总结 | 第63页 |
| ·后续研究展望 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 附录 | 第69-72页 |