摘要
1 绪论
1.1 课题来源及研究背景
1.2 课题研究意义
1.3 故障诊断技术的发展和现状
1.3.1 故障诊断技术的发展
1.3.2 故障诊断技术的现状
1.4 故障诊断专家系统发展和现状
1.4.1 专家系统发展
1.4.2 故障诊断专家系统发展
1.4.3 故障诊断专家系统现状
1.4.4 故障诊断专家系统发展方向
1.5 神经网络的发展和现状
1.5.1 神经网络的发展
1.5.2 神经网络的现状
1.5.3 神经网络在故障诊断中的应用
1.6 课题研究的主要内容
1.7 本章小结
2 神经网络诊断方法与故障树诊断方法对比与结合
2.1 专家系统概述
2.1.1 专家系统结构
2.1.2 故障诊断专家系统
2.2 基于故障树的诊断方法
2.2.1 故障树分析法
2.2.2 故障树分析法应用到故障诊断中的优势
2.2.3 基于故障树的故障诊断专家系统的不足
2.3 神经网络原理
2.3.1 神经网络概念
2.3.2 神经元模型
2.3.3 激活函数
2.3.4 神经网络拓扑结构
2.3.5 神经网络学习规则
2.4 神经网络工作原理
2.4.1 神经网络知识表示
2.4.2 神经网络知识获取
2.4.3 神经网络推理机制
2.5 基于神经网络的故障诊断方法
2.5.1 神经网络故障诊断方法研究
2.5.2 神经网络故障诊断方法的优势和不足
2.6 神经网络诊断方法与故障树诊断方法的对比与结合
2.6.1 神经网络故障诊断方法与故障树诊断方法对比
2.6.2 神经网络故障诊断方法与故障树诊断方法的结合
2.7 基于神经网络的装备故障诊断专家系统
2.7.1 基于神经网络的装备故障诊断专家系统的结构
2.7.2 基于神经网络的装备故障诊断专家系统的工作原理
2.8 本章小结
3 神经网络模型建立与MATLAB仿真
3.1 BP神经网络模型
3.1.1 BP神经网络模型结构
3.1.2 BP神经网络模型算法
3.1.3 BP神经网络模型工作原理
3.2 Elman神经网络模型
3.2.1 Elman神经网络模型结构
3.2.2 Elman神经网络模型算法
3.2.3 Elman神经网络模型工作原理
3.3 MATLAB工具使用
3.3.1 MATLAB的神经网络工具箱
3.3.2 MATLAB/Simulink
3.3.3 MATLAB/Real-Time Workshop工具
3.4 被诊断设备描述
3.4.1 被诊断设备内部采集点设置
3.4.2 设备故障征兆表示
3.4.3 设备故障征兆编码
3.4.4 设备故障样本
3.5 BP神经网络模型建立及MATLAB仿真
3.5.1 BP神经网络模型建立
3.5.2 BP神经网络的MATLAB仿真效果
3.6 Elman神经网络模型建立及MATLAB仿真
3.6.1 Elman神经网络模型建立
3.6.2 Elman神经网络的MATLAB仿真效果
3.7 Elman神经网络和BP神经网络对比
3.7.1 Elman网络输出和BP网络输出对比
3.7.2 Elman神经网络和BP神经网络对比总结
3.8 神经网络模型翻译
3.9 本章小结
4 基于神经网络的装备故障诊断专家系统的设计
4.1 基于神经网络的装备故障诊断专家系统
4.1.1 基于神经网络的装备故障诊断专家系统描述
4.1.2 基于神经网络的装备故障诊断专家系统的结构
4.2 诊断Agent
4.2.1 被诊断设备工作电压值数据采集
4.2.2 被诊断设备工作电压值数据处理
4.2.3 被诊断设备工作电压值数据发送
4.3 诊断客户端
4.3.1 诊断客户端通信接口
4.3.2 诊断客户端征兆数据库
4.3.3 实时故障诊断工作模式
4.3.4 离线故障诊断工作模式
4.3.5 两种故障诊断工作模式的结合
4.4 课题开发环境及运行环境介绍
4.4.1 课题开发环境
4.4.2 课题运行环境
4.4.3 交叉编译器
4.4.4 minicom工具
4.5 本章小结
5 基于神经网络的装备故障诊断专家系统的实现
5.1 串口通信
5.2 征兆数据库
5.3 诊断客户端
5.3.1 实时故障诊断工作模式实现
5.3.2 离线故障诊断工作模式实现
5.3.3 两种工作模式结合实现效果
5.4 本章小结
6 结论
参考文献
攻读硕士学位期间发表的论文
致谢
声明
西安工业大学;