一、神经网络专家系统开发工具（论文文献综述）
孙肖坤[1]（2021）在《复杂大型建设项目费用偏差控制方法及信息系统设计》文中研究说明随着全球范围内经济形势的动态稳定发展,复杂大型建设项目在国内外均呈持续增长的态势,国际工程项目市场的竞争愈发激烈。复杂大型建设项目事关民生和经济效益,其开发建设会对国家和社会产生广泛而深远的影响。在工程建设领域,许多投资主体拥有雄厚的资金实力和丰富的开发建设经验,并开始涉足复杂大型建设项目的开发建设,项目投资规模越来越大,建设周期越来越长,参与建设的单位越来越多,不确定性带来的项目风险也愈发复杂。随着时代的发展,复杂大型建设项目逐渐成为项目管理领域的研究热点。然而,在项目建设过程中,投资效率低下、费用超支等现象屡见不鲜,项目执行情况在各层面上不尽如人意,传统的项目管理理论已经不能适应现阶段管理实践的需求。因此,从复杂性视角出发对项目管理领域进行研究就成为一种新的解决思路。如何对项目复杂性进行科学、系统以及深入的分析,如何在项目建设过程中动态、全面地掌握项目费用状态,如何判断工程费用实际状态与计划的偏差严重程度,如何对项目费用偏差做出科学的警报和预测,如何有依据地对工程项目的费用偏差进行有效纠偏控制,就成为摆在管理者面前的一个理论和实践问题。为了更加科学有效地针对复杂大型建设项目费用实施监控管理,本文运用系统动力学相关理论和方法,建立了基于复杂性视角的建设项目费用偏差影响因素的系统动力学模型,构建了项目费用偏差的警报及预测模型,梳理了项目全生命周期不同费用偏差程度下的纠偏流程,进而分析并设计了以理论模型为基础的复杂大型建设项目费用偏差控制信息系统。具体研究内容包括以下四个部分:（1）基于系统动力学的费用偏差关键影响因素识别研究。首先,对复杂大型建设项目的费用监控模式进行概述;在此基础上,对系统动力学相关基础理论及其应用在建设项目费用偏差控制领域的可行性进行分析;然后,将复杂大型建设项目作为一个整体系统,对项目建设各阶段内费用偏差影响因素之间的关系进行分析识别,构建系统动力学反馈图模型,确定主要变量,内生变量、外生变量,建立各变量之间方程关系;最后,通过Vensim软件模拟仿真,建立动态控制模型并验证其可行性和有效性,识别出费用偏差关键影响因素及其影响程度,并对模拟结果进行分析。（2）复杂大型建设项目费用偏差警报及预测模型研究。首先对复杂大型建设项目不同阶段费用偏差计算的需求及特点进行分析,据此选取适用于复杂大型建设项目费用偏差警报的方法模型;然后对K-Means聚类算法进行缺陷分析,引入贴近度概念,并将边界均值算子作为主要方法对经典K-means聚类进行改进,有效克服了主观随意性和警情区间不连续的问题;最后通过算例分析证实了本模型的有效性。复杂大型建设项目费用偏差预测模型是偏差警报模型的后续研究。首先,全面论述了神经网络模型的相关原理,对其在复杂大型建设项目费用偏差预测研究中的可行性和适用性进行了分析;然后,利用仿生算法对传统BP神经网络进行改进,优化神经网络模型中的初始网络权值和阈值,并将历史数据输入模型中进行训练获得成熟模型;同时,将现阶段的费用偏差进行子目费用分析,将总偏差最终分摊至每一个子目费用的扰动因素,深度分析复杂大型建设项目中不同活动对费用偏差的影响,在当前费用偏差情况已知的情况下,研究其对未来费用偏差的影响程度并予以量化,判定即将发生的项目警情及其位置,有效辅助项目费用管理方采取措施进行处理,实现真正意义上的项目费用事前控制。（3）复杂大型建设项目费用偏差控制策略及效果评价研究。首先,针对复杂大型建设项目费用偏差控制策略,挖掘了流程再造和协同理论与之相适应的契合点,梳理了费用偏差控制中流程再造和协同的目标和原则;其次,针对复杂大型建设项目在前期决策阶段、中期实施阶段、后期运维阶段所面临的不同费用偏差警情,明确各阶段责任方,梳理并总结出具体的纠偏操作流程和控制策略;为了增强该纠偏流程的适用性,本节首次提出了纠偏效果评价,从控制能力、控制效果、经济和社会效果等角度构建指标体系,构建了基于支撑度理论的模糊群决策模型,对纠偏效果进行评价,给出反馈结果,推动纠偏策略的持续改进。（4）复杂大型建设项目费用偏差控制系统设计研究。把研究的理论和构建的模型拓展到实际的项目费用管理中,提出了复杂大型建设项目费用偏差控制信息系统设计。首先,对复杂大型建设项目费用偏差控制系统进行了定义,对系统建设目标、系统用户和系统需求进行分析,确定了系统的非功能需求和功能需求;然后构建费用偏差控制系统的总体设计框架结构,从系统开发方法、系统开发平台、系统功能模块、系统数据库四个角度对系统进行详细深入的设计;在涉及到系统关键的实施技术方面,对开发技术选型进行了结构性论述,并对数据仓库的核心设计理念进行了详细介绍,设计了系统模型管理模块的结构和重点功能。该系统包括费用偏差警报、费用偏差预测、费用偏差控制、纠偏效果评价等功能。
王冰[2]（2021）在《中小跨径桥梁智能安全风险等级评价及养护措施研究》文中研究说明近些年,随着我国公路桥梁工程建设蓬勃发展,桥梁数量也随之逐年增长,越来越多的在役桥梁结构安全性引起了大家的广泛关注。当前,我国许多服务器内的桥梁中有很多存在安全隐患,它们的承载能力已不能满足要求,一旦其结构稳定性遭到破坏,将会造成巨大的损失亡。这也体现出如何高效开展桥梁安全风险评价的重要性。由于目前在服务期内的桥梁病害数量较多,且公路桥梁大多以中小跨径桥梁为主,本文把部分中小跨径桥梁作为本文研究样本,对该类型桥梁进行主要病害判断、构建样本集、构建智能评价模型、开发系统等一系列工作,对在役桥梁的风险等级识别和评价,为养护管理人员提供技术支持。本文研究内容主要由以下四个部分组成:（1）通过对在役桥梁进行风险分析研究,明确了在役桥梁安全风险评价的重要性和必要性。首先总结中小跨径桥梁病害,并对常见病害进行原因及机理分析,为后文对在役桥梁评价后的原因分析及养护建议做基础。（2）风险识别及样本构建阶段,选用模糊层次分析法,构建安全风险评价模糊评价指标体系计算推理病害数据构造样本数据集。参照概率论的方法,对桥梁病害数据进行数理统计,并检验所构造取样本的合理性。（3）构建评价模型阶段,首先分析卷积神经网路及专家系统对模型构建的启发,基于神经网络专家系统全融合模式构建桥梁评价模型及养护措施分析模型,通过对模型超参数的设定和训练,提高模型的精度。安全风险评价系统的开发,针对研究对象的特点提出对系统框架设计的原则,搭建桥梁安全风险评价智能系统框架。运用MATLAB2020a对安全风险评价系统进行开发,构造系统界面,方便进行人机交互并快速准确的得到桥梁安全风险评价等级与养护措施。（4）项目实例应用,本文一座高速公路通道桥作为案例,通过桥梁进行检测,收集检测数据、对数据进行预处理,将检测数据、桥梁基本概况等信息录入到所开发的智能安全风险评价系统界面,对该中小跨径桥梁的风险等级及养护建议措施进行评价,参照系统输出的评价等级,给出相应的病害形成原因和养护维修措施。本文研究目的是为了能借助智能系统,对桥梁的的安全风险等级进行更准确高效的判断并提供合理的养护建议,保障桥梁在运营期内的正常使用,并为养护人员提供强有力的技术支持。
张祥东[3]（2020）在《基于中型注塑机的选型软件开发》文中指出随着塑料制品在日常生活中被广泛使用,注塑机在塑料加工行业已经是一种进行塑料加工成型的重要设备。同时随着消费者对塑料制品的要求不断提高,生产塑料制品的注塑机成为保证其产品质量的重要工具。为了保证注塑加工的正常进行,用户需要选择合适的注塑机。本论文以上海克劳斯玛菲机械有限公司提出的实际课题为背景,使用VB和Matlab开发了注塑机选型软件,为企业和用户在选购机器时提供了一个有力的支持工具。本文首先对注塑机的组成进行了阐述,分析了各个组成部分与注塑机选型的关系。通过对公司生产的注塑机的分析,确定了本选型软件的选型范围,并基于该选型范围,介绍了该系列注塑机的选型原则。其次,通过对企业的需求进行分析,将选型软件分为用户管理、信息输入、数据库、方案评分、信息输出和系统维护管理六个功能模块,并对选型软件系统进行了总体设计。然后,讨论了选型软件的算法,确定选用BP神经网络专家系统来指导软件开发,并对数据库进行了设计。最后,对选型软件各个功能模块进行了设计和开发,完成了整体设计,并且通过测试,证明了选型软件具有可行性。所设计的软件使用户能够根据实际情况进行注塑机选型,帮助用户在生产注塑制品的前期做出有效决策。系统易于操作,实用性强,对用户在选购机器时具有重要的实用价值。
宁鹏飞[4]（2020）在《高速铁路ATO系统测试序列自动生成研究》文中进行了进一步梳理在信息技术、控制技术等高新技术的推动下,高速铁路列车自动驾驶（Automatic Train Operation,ATO）系统应运而生,高速铁路ATO系统可以降低线路运营成本、提高铁路运输能力,是今后的发展方向。安全是铁路永恒的主题,测试是保证高速铁路ATO系统功能正确性的重要技术方法,测试序列指导整个测试工作,测试序列的优劣关系到测试工作的质量和效率。如何自动生成高质量的测试序列、提高测试效率一直是列控系统测试工作中的关键问题。北京交通大学作为第三方已完成对京沈高速铁路ATO系统的测试工作,论文在此基础上,总结了高速铁路ATO系统的测试方法、提炼出编制测试序列需要遵循的原则。针对人工编写测试序列工作量大、效率较低的问题,利用循环神经网络（Recurrent Neural Networks,RNN）和专家系统从测试序列的生成与判断两个角度展开研究。结果表明,该方法可以有效提高测试效率。具体地,论文进行了以下研究工作:（1）提出基于RNN的测试序列自动生成方法。将测试序列自动生成问题转化为具有时序性的预测问题,选用RNN的变体——长短时记忆网络（Long Short-Term Memory,LSTM）作为测试序列自动生成模型。神经网络的输入为有序事件,输出为测试子序列,将测试子序列按照测试路径串接即可得到测试序列。利用京沈高铁测试序列作为数据集训练神经网络,对比分析了模型生成的测试序列与人工编写的测试序列之间的异同之处,证明了方法的可行性。（2）提出基于专家系统的测试序列判断方法。利用产生式规则表示测试序列长度、覆盖度的相关知识并建立专家系统的知识库,选用正向推理机判断测试序列是否满足知识规则;对于不符合要求的测试序列,专家系统的判断结果会指出其问题所在,进而帮助测试人员重新生成测试序列。（3）结合测试序列自动生成算法及测试序列判断算法,利用C#语言完成高速铁路ATO系统测试序列辅助生成工具的开发工作。该工具能够根据列控工程数据、测试案例自动生成测试序列。实际结果表明,与人工相比,该工具可以提高17.95%的效率。
童权煜[5]（2019）在《液压系统远程监测网络与智能故障诊断系统设计》文中提出起竖发射装置试验台主要用于模拟专用车的调平、起竖和发射平台的工况,是由电气、机械、液压等系统组成的大型复杂系统,对专用车的研究与制造起到重大作用。当试验台发生故障时,将对专用车的开发制造进度带来影响,造成极大的经济损失,故在现场维修人员相对缺乏的情况下,建立远程监测与故障诊断系统,快速诊断故障并提供方案,会有效地避免因长时维修所带来的经济损失。在建立试验台液压系统的远程监测网络与智能故障诊断系统时,采用螺旋式开发的方法,完成最重要功能的设计。采用该方法可以较快速的初步完成系统的设计,并且当再次为该系统进行进一步的完善与开发时,只需在该系统基础上做些修改与完善即可,为系统的进一步开发作出了铺垫。在对液压系统远程监测网络与智能故障诊断系统进行设计时,首先在了解起竖发射装置试验台系统的结构和原理的基础上,利用故障树分析法对液压系统的泵站部分的故障进行分析,为之后专家系统的知识获取做准备。接着对常见的液压故障进行分析,提前准备好AMESim的故障仿真所需要的数据信息。在对泵站系统进行仿真时,先对泵站原理图进行分析与简化,然后再根据简化后的泵站原理图建立泵站仿真模型。当仿真模型建立好后,利用已有的试验台进行实验,验证仿真模型的准确性。当模型的准确性得到验证后,将之前对常见液压故障进行故障分析得来的故障信号,以改变仿真参数的方式,对泵站系统进行故障仿真,以此来收集故障样本,克服新建试验台不易收集故障样本的困难。设计专家系统时,通过比较基于规则推理和神经网络推理的优缺点,再结合它们在机电领域故障诊断的情况和在液压系统故障诊断的缺点,提出了以神经网络推理为主,基于规则与框架融合的推理为辅的神经网络专家系统。通过分析比较知识的获取和表示的不同方法,选取了基于故障树知识的获取方式和基于规则与框架融合的知识表示。在对推理机进行设计时,先对基于规则的推理机进行设计,用CLIPS实现专家系统模块的开发,再介绍RBF神经网络算法,用Matlab的数学工具和来自故障仿真的故障样本实现神经网络的训练。搭建网关与服务器系统,对CANET进行二次开发,使之满足系统的使用要求。开发故障诊断专家系统时,对系统进行用例图和时序图分析,然后对故障诊断专家系统的诊断结果准确性进行检验。在检验的过程中,分别用从仿真得出的测试样本和从实验中遇到的故障实例用作检测,然后分析采用以神经网络推理为主,基于规则与框架融合的推理为辅的推理机制的优势。
王海侠[6]（2019）在《智能化冠脉支架辅助选型方法研究》文中研究指明传统的冠脉介入支架的选型大多是通过临床医生凭借自身掌握的相关知识和多年的经验对病情进行诊断得出的,这种选型方法受主观因素影响较大,手术效果的好坏与医生自身的医疗水平关系紧密,并且这种经验知识的传授仍属口口相传形式,无法将支架选型知识进行有效的整合、管理和传承,所以急需一种量化的方法指导医生进行选型。因此对计算机辅助冠脉支架选型方法进行研究在传承介入手术领域专家知识、提高手术效果等方面意义重大。为了解决上述问题,通过获取病例样本及领域专家知识与经验,对系统知识库和推理机制进行设计与研究,并结合专家系统、神经网络以及遗传算法等技术,构建了一种用于冠脉支架选型的混合推理模型。本文的主要研究内容包括:首先,对专家系统、神经网络和遗传算法的概念、结构及特点进行分析,然后通过对比三种技术之间的优缺点,构建了一种基于专家系统和遗传算法优化的BP神经网络的混合推理模型,并对其整体工作流程进行了论述。其次,根据专家系统的知识表示方法和知识获取途径,通过分析影响冠脉支架选型的病症信息以及支架特征参数选择病例特征并对其进行编码预处理。然后,将获取到的相关知识以产生式规则和神经网络权值法进行表示,以建立完备的支架选型系统知识库,并存储于SQL Server数据库中供后续支架推理调用。然后对专家系统推理部分进行分析,包括推理策略选择及推理实现,并详细论述了BP网络以及遗传算法优化的BP网络推理实现过程,得到优化后网络的支架各参数预测准确率均在94%以上,并分别利用临床具体实例对两种选型方法进行验证。结果表明:该混合推理模型的推理结果符合实际临床支架选型要求。最后,利用Visual Studio 2010系统集成开发环境、MFC框架技术、SQL Server 2008数据库管理系统以及MATLAB神经网络工具箱设计了冠脉支架辅助选型系统,实现了智能化冠脉支架的选型推理。
欧明望[7]（2019）在《基于神经网络的智能医疗诊断研究》文中指出随着社会发展越来越快,人们的生活节奏也紧随着社会的变化而变化。与此同时,人们对医疗健康问题的关注也随之递增。我国当前医疗问题主要为“医疗资源不平衡”,“看病难”,“看病贵”,“医疗误诊率高”等等,这些问题一直是我国医疗界的难题。随着信息技术地快速发展和进步,人工智能、云计算和互联网等新兴信息技术给人们带来了解决医疗难题的新思路。因此,数字医疗的概念已经得到了越来越多人的认可,其中医疗诊断是数字医疗的核心问题之一。医疗诊断的准确率及效率,与人们的生命健康息息相关,是一个不容忽视的重要问题。将信息科技运用于医疗诊断中,因此显得意义重大。本论文将多种神经网络模型应用到医疗诊断中,包括全连接神经网络,卷积神经网络。通过获取的医疗数据,运用jieba分词工具和当前流行的数据预处理技术,对错综复杂的医疗数据进行整理,并使用pandas或Word2Vec等工具将医疗数据对中文数据进行量化处理,将数据转换成one-hot二元变量或是稠密向量等计算机算法可识别格式。利用量化后的数据,训练全连接神经网络模型,卷积神经网络模型和Word2Vec+卷积神经网络模型,最后对比三个模型的医疗诊断准确率,同时与决策树模型进行比较和分析,并将准确率最高的模型部署到基于智能医疗诊断的医疗综合服务系统中。经过数据预处理得到量化数据,模型训练,最终结果显示Word2Vec+卷积神经网络的准确率高于其他模型,约为89%。基于神经网络的智能医疗诊断系统还有许多方面有待完善,例如预测准确率的提升,症状关联性改进,数据预处理方法等等,未来将从上述几个方面着手,进行更深入地探索。
王玉鹏[8]（2019）在《基于神经网络专家系统的轮胎成型机故障诊断研究》文中研究说明近些年来,随着我国工业水平的迅猛发展,人们对提高工业生产设备智能化、自动化水平的期望越来越大,而随着深度学习等人工智能相关研究的再次兴起,使这种希望成为可能。轮胎行业作为拥有庞大市场的典型工业制造行业,其生产设备庞大、多样、复杂,轮胎成型机作为其中最为复杂的光机电一体化设备,在其发生故障时如果能够对其进行快速准确的故障诊断,找出故障位置与原因,则对于保障工人安全生产、提高企业生产效益具有重要意义。本文将人工神经网络与传统专家系统相结合应用于轮胎成型机的故障诊断之中,详细分析了神经网络与专家系统各自的优势与不足。利用神经网络在知识获取以及自主学习上的优势,弥补了传统专家系统在处理非线性以及不确定性问题上的不足;同时利用专家系统严密的逻辑推理、易于理解的知识表达方式对神经网络进行改进。在神经网络结构的选择上,本文采用BP神经网络,对其结构与算法特点进行了详细论述,运用遗传算法对BP算法进行了优化,并对改进后的算法进行了验证。最终通过神经网络与专家系统的融合,并结合轮胎成型机的生产运行实际,建立了全新的成型机故障诊断知识库、推理机、知识获取方式和人机交互界面。本文以全钢载重子午胎三鼓一次法成型机为故障诊断对象,详细介绍了轮胎成型机的结构与分类,以及子午线轮胎生产线的工艺流程,搭建了故障诊断系统,使用美国国家仪器公司的LABVIEW平台进行上位机软件研发,并利用工业以太网技术实现上位机软件与下位机PLC的通信,通过ODBC技术实现上位机软件与后台数据库的连接。在实际测试中,本文搭建的故障诊断系统可对三鼓一次法成型机进行实时监控与故障诊断,系统整体运行稳定可靠,能够快速准确地查找故障位置与原因,方便现场人员迅速找到并排除故障,提高了轮胎成型机的运行效率,提高了企业的技术竞争力与经济效益。
孙卿[9]（2014）在《碳化硅复合材料人工神经网络专家系统的设计研究》文中研究表明随着计算机技术的发展和数据处理算法的不断完善，材料科学领域内人工神经网络的研究也取得了一定的进展。碳化硅作为一种单一的材料很难满足现代社会的发展。以碳化硅为基体，分别以碳纤维、碳化硅纤维和二硼化锆为增强体，制备成的碳纤维/碳化硅、碳化硅纤维/碳化硅和二硼化锆/碳化硅复合材料，具有高强度、高刚性、高硬度、耐磨损、耐腐蚀、高温抗氧化性、密度低、热膨胀系数小等优良性能，被认为是二十一世纪新能源、航空航天、汽车引擎等高温部件最有希望的候选材料，具有非常大的应用潜力。本文是在阅读了大量关于材料专家系统、碳化硅复合材料相关的文献，以及掌握了人工神经网络、数据库开发和软件开发技术的基础上，使用SQL SERVER2005数据库存储数据，建立了碳化硅复合材料数据库。在Visual Studio2008软件中运用C#语言开发Windows Form界面，采用加入动量因子、学习速率的BP神经网络算法进行网络训练，建立了以知识检索、模拟计算和预测为基础的碳化硅复合材料人工神经网络专家系统。系统功能包括三个部分，第一个部分是数据库功能，主要是对目前大量的实验数据的操作，包括添加、修改、删除和查询；第二个部分是网络训练，利用加入动量因子和学习速率的BP算法设计，使用第一部分数据库中的大量的数据进行网络训练，网络训练成功后，自动保存权值矩阵，方便重新进行网络训练；第三个部分是预测功能，使用第二部分训练得到的网络权值对新数据进行预测。训练完成后，系统可对碳化硅复合材料在一定的制备工艺条件下的相关性能进行预测，能够在一定程度上解决不能针对每一材料的参数都直接实测的问题，为碳化硅复合材料的研究提供参考。
梅杰[10]（2011）在《基于人工神经网络的旋转机械故障诊断专家系统》文中研究说明旋转机械广泛应用于重工业的多个领域,且大多数为各个生产领域的关键设备。但由于它们通常工作在工况复杂的恶劣环境中,且大多为高速旋转机械,这些旋转机械一旦出现故障,不仅对整个生产线产生直接影响,而且会造成重大的经济损失甚至是机毁人亡的事故。为保证设备的安全运行,降低机组维修费用和提高设备利用率,开发一种能自动获取知识且能进行高速推理的故障诊断专家系统,已经成为旋转机械故障诊断研究的一个主要方向。本文针对转子故障、轴承故障、浮动密封故障、叶片式机器中流体激振故障以及齿轮箱故障等各种旋转机械故障类型,分别讨论了这些故障的故障征兆,研究了各个故障的振动机理。针对旋转机械固有的特征,在比较各种不同信号分析技术的基础上,提出采用矢量融合能量谱理论实现旋转部件的故障特征分析。但旋转机械故障诊断往往属于模糊现象的领域,需要进行模糊聚类分析。模糊理论可以将不确定的知识和定性知识转化为定量的知识。直接用隶属度对大量文字描述的规则以及专家经验进行准确的表示相当困难,而且模糊矩阵的构造需要以大量现场实际运行数据为基础。因此,在故障诊断中需要更为有效的方法进行故障诊断分析,为此作者采用人工神经网络故障诊断方法。本文采用Matlab工具包,以转子不平衡、不对中、转子碰摩、基础松动等四种故障现象为例,设计了BP神经网络故障诊断模型并设置学习率等各种参数,得出了相关诊断结果。在人工神经网络分析的基础上,论文介绍了专家系统的基本概念、基本结构、知识表示方法以及其推理工作过程,对专家系统开发工具语言CLIPS的基本语法和Rete模式匹配算法进行了阐述,并以某一旋转机组的故障诊断为例,基于CLIPS实现了该旋转机械的故障诊断专家系统的开发。但基于CLIPS开发的专家系统的人机交互界面单一,它的应用推广将会受到局限。为此尝试了采用基于d11动态链接库的方法实现CLIPS与VC++的混合编程开发。在此基础上还进一步讨论了CLIPS与JAVA的混合编程,实现了专家系统在JAVA中的国际化,并通过在CLIPS中改写相应代码构造相应的知识库和推理机制,最终开发出了该旋转机械故障诊断专家系统混合编程系统。最后,论文以所开发的多级行星齿轮箱为研究对象,以断齿、齿根裂纹、齿面磨损、轴承外圈故障、内圈故障和滚动体故障为故障向量作为神经网络的输出,并判断出所诊断的故障与专家系统所诊断的故障存在33.3%的不一致,在数据不完全或者诊断不精确的情况下,为用户诊断提供一个虽保守但更加可靠的诊断结果。在此基础上,通过采用VC++6.0软件开发了旋转机械故障诊断专家系统。实现了诊断推理模块、知识库管理模块、神经网络训练等功能模块的开发与设计,以对多级行星齿轮箱故障诊断进行验证分析。
二、神经网络专家系统开发工具（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、神经网络专家系统开发工具（论文提纲范文）
（1）复杂大型建设项目费用偏差控制方法及信息系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 复杂大型建设项目研究现状 |
| 1.2.2 项目费用控制研究现状 |
| 1.2.3 预警方法研究现状 |
| 1.2.4 纠偏策略研究现状 |
| 1.2.5 信息系统应用研究现状 |
| 1.3 主要研究内容和技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 复杂大型建设项目特点及费用控制分析 |
| 2.1.1 复杂大型建设项目特点分析 |
| 2.1.2 复杂大型建设项目费用偏差控制参与主体 |
| 2.1.3 复杂大型建设项目费用控制复杂性分析 |
| 2.2 费用偏差控制相关理论研究 |
| 2.2.1 费用偏差控制内涵 |
| 2.2.2 费用偏差影响因素分析 |
| 2.2.3 费用偏差控制基本原则 |
| 2.3 费用偏差控制模型及方法研究 |
| 2.3.1 偏差特征系统动力学理论 |
| 2.3.2 神经网络模型 |
| 2.3.3 费用偏差预警聚类方法 |
| 2.3.4 费用偏差控制策略及评价理论 |
| 2.4 本章小结 |
| 第3章 基于系统动力学的费用偏差影响因素识别研究 |
| 3.1 复杂大型建设项目费用监控模式 |
| 3.1.1 费用监控模式特征分析 |
| 3.1.2 费用监控模式构建 |
| 3.1.3 费用监控模式运行流程 |
| 3.2 费用偏差影响因素的系统动力学模型构建 |
| 3.2.1 系统动力学的基本理论 |
| 3.2.2 基于系统动力学的费用偏差控制的可行性分析 |
| 3.2.3 系统动力学模型构建 |
| 3.3 费用偏差影响因素的子系统方程式建立 |
| 3.3.1 系统动力学建模中涉及到的数学方法 |
| 3.3.2 影响因素的子系统方程式建立 |
| 3.4 系统动力学模型仿真和分析 |
| 3.5 本章小结 |
| 第4章 基于改进神经网络模型的费用偏差控制方法研究 |
| 4.1 工程建设项目费用偏差计算需求及特点分析 |
| 4.2 基于K-means算法的费用偏差警情计算模型研究 |
| 4.2.1 K-means聚类理论及缺陷分析 |
| 4.2.2 K-means聚类方法改进及适用性研究 |
| 4.2.3 基于改进K-means算法的费用偏差计算模型构建 |
| 4.3 基于改进神经网络模型的费用偏差计算模型研究 |
| 4.3.1 神经网络模型原理分析 |
| 4.3.2 神经网络模型的改进及适用性研究 |
| 4.3.3 基于改进神经网络模型的费用偏差计算模型构建 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 第5章 基于流程再造的费用偏差控制策略及效果评价 |
| 5.1 复杂大型建设项目费用偏差控制中的流程再造与协同 |
| 5.1.1 费用偏差控制中流程再造与协同的目标 |
| 5.1.2 费用偏差控制中流程再造与协同的原则 |
| 5.2 复杂大型建设项目各阶段费用偏差控制策略 |
| 5.2.1 前期决策阶段的费用偏差控制策略 |
| 5.2.2 中期实施阶段的费用偏差控制策略 |
| 5.2.3 后期运维阶段的费用偏差控制策略 |
| 5.3 复杂大型建设项目费用偏差控制效果评价 |
| 5.3.1 费用偏差控制效果评价指标体系 |
| 5.3.2 基于支撑度理论的纠偏控制效果评价群决策模型 |
| 5.3.3 算例分析 |
| 5.4 本章小结 |
| 第6章 复杂大型项目费用偏差控制信息系统分析与设计 |
| 6.1 复杂大型建设项目CDMIS分析 |
| 6.1.1 复杂大型建设项目CDMIS的定义 |
| 6.1.2 复杂大型建设项目CDMIS的建设目标 |
| 6.1.3 复杂大型建设项目CDMIS的用户分析 |
| 6.1.4 复杂大型建设项目CDMIS的需求分析 |
| 6.2 复杂大型建设项目CDMIS设计 |
| 6.2.1 系统的总体设计原则及开发方法 |
| 6.2.2 系统的平台整体设计 |
| 6.2.3 复杂大型建设项目CDMIS的功能及模块设计 |
| 6.2.4 复杂大型建设项目CDMIS的数据库设计 |
| 6.3 复杂大型建设项目CDMIS关键技术 |
| 6.3.1 复杂大型建设项目CDMIS的开发技术选型 |
| 6.3.2 复杂大型建设项目CDMIS的数据仓库设计 |
| 6.3.3 复杂大型建设项目CDMIS的模型管理模块设计 |
| 6.4 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 附录 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（2）中小跨径桥梁智能安全风险等级评价及养护措施研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 桥梁安全风险评价目前存在的问题 |
| 1.4 研究内容与研究方法 |
| 1.4.1 研究内容 |
| 1.4.2 研究方法 |
| 1.5 技术路线 |
| 2 中小跨径桥梁病害及其特征分析 |
| 2.1 中小跨径桥梁病害分类 |
| 2.2 中小跨径桥梁常见病害分析 |
| 2.2.1 混凝土裂缝 |
| 2.2.2 钢筋锈蚀 |
| 2.2.3 桥梁单板受力病害 |
| 2.2.4 铰缝病害 |
| 2.2.5 支座损坏 |
| 2.3 中小跨径桥梁病害统计 |
| 2.4 本章小结 |
| 3 桥梁安全风险评价体系样本研究 |
| 3.1 在役桥梁安全风险评价基本体系要求 |
| 3.2 FAHP在桥梁安全风险评价问题应用 |
| 3.2.1 模糊层次分析权重建立 |
| 3.2.2 基于模糊层次分析的评价体系构建 |
| 3.3 样本来源及样本集构建 |
| 3.3.1 检测报告样本数据提取 |
| 3.3.2 基于FAHP样本数据推理 |
| 3.3.3 样本集构建 |
| 3.4 桥梁安全风险评价体系样本合理性研究 |
| 3.4.1 桥梁病害概率分布 |
| 3.4.2 样本数据合理性研究 |
| 3.5 本章小结 |
| 4 中小跨径桥梁安全风险评价系统构建 |
| 4.1 智能算法思想借鉴与应用 |
| 4.1.1 神经网络对安全评价模型构建启发 |
| 4.1.2 专家系统对养护模型构建的启发 |
| 4.1.3 神经网络专家系统融合模式 |
| 4.2 卷积神经网络的基本结构 |
| 4.3 全信息知识库建立 |
| 4.3.1 知识来源 |
| 4.3.2 知识分类 |
| 4.3.3 知识的表达方式 |
| 4.3.4 知识库组成 |
| 4.3.5 养护规则集的构建 |
| 4.4 风险评价系统的模型构建 |
| 4.4.1 模型基本框架设计 |
| 4.4.2 风险评价模型构建 |
| 4.4.3 卷积神经网络超参数训练 |
| 4.4.4 养护模型构建 |
| 4.4.5 智能评价系统的解释机制 |
| 4.4.6 网络训练结果分析 |
| 4.5 基于MATLAB平台的桥梁安全风险评价系统开发 |
| 4.5.1 系统开发环境级 |
| 4.5.2 系统开发工具 |
| 4.5.3 系统设计原则 |
| 4.5.4 系统框架设计 |
| 4.6 系统的模块构建 |
| 4.6.1 系统的登录界面 |
| 4.6.2 桥梁概况模块 |
| 4.6.3 风险评价模块 |
| 4.6.4 养护分析模块 |
| 4.7 本章小结 |
| 5 实例应用 |
| 5.1 桥梁概况 |
| 5.2 桥梁检测及数据处理 |
| 5.2.1 桥面系检测结果 |
| 5.2.2 上部结构检测结果 |
| 5.2.3 下部结构检测结果 |
| 5.2.4 桥梁检测数据处理 |
| 5.3 中小跨径桥梁安全风险评价系统应用 |
| 5.4 病害原因分析及养护建议 |
| 5.4.1 病害原因分析 |
| 5.4.2 养护措施 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间主要成果 |
（3）基于中型注塑机的选型软件开发（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 注塑机发展现状 |
| 1.2 注塑机选型的研究 |
| 1.3 选型软件研究现状 |
| 1.4 本课题的目的意义及研究内容 |
| 1.4.1 本课题的目的意义 |
| 1.4.2 本课题的研究内容 |
| 2 注塑机及选型机型 |
| 2.1 注塑机的类型 |
| 2.2 注塑机的组成 |
| 2.2.1 注射单元 |
| 2.2.2 锁模单元 |
| 2.2.3 液压系统和电气控制 |
| 2.3 选型范围 |
| 2.4 选型原则 |
| 2.5 本章小结 |
| 3 注塑机选型系统分析 |
| 3.1 需求分析 |
| 3.2 系统功能模块的划分 |
| 3.3 系统总体设计 |
| 3.3.1 开发环境与工具 |
| 3.3.2 软件结构及流程图 |
| 3.4 本章小结 |
| 4 注塑机选型软件算法研究和数据库设计 |
| 4.1 选型软件算法原理研究 |
| 4.1.1 专家系统 |
| 4.1.2 BP神经网络 |
| 4.1.3 BP神经网络专家系统 |
| 4.2 选型软件数据库 |
| 4.2.1 数据类型 |
| 4.2.2 数据库开发工具的选择 |
| 4.2.3 数据表的创建 |
| 4.3 本章小结 |
| 5 系统选型软件的实现 |
| 5.1 用户登录与管理模块 |
| 5.2 信息输入模块 |
| 5.3 数据库模块 |
| 5.4 选型计算系统的建立 |
| 5.5 方案评分模块 |
| 5.6 输出界面的建立 |
| 5.7 选型软件性能分析 |
| 5.8 本章小结 |
| 6 结论 |
| 6.1 本课题研究的主要结论 |
| 6.2 本课题研究的创新 |
| 6.3 本课题研究的有待解决问题 |
| 参考文献 |
| 致谢 |
| 作者及导师简介 |
| 附件 |
（4）高速铁路ATO系统测试序列自动生成研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 引言 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 论文主要工作与章节安排 |
| 2 高速铁路ATO系统的测试方法 |
| 2.1 高速铁路ATO系统 |
| 2.1.1 高速铁路ATO系统整体架构 |
| 2.1.2 车载设备新增功能 |
| 2.1.3 地面设备新增功能 |
| 2.1.4 主要运营场景 |
| 2.2 测试方法 |
| 2.2.1 测试案例 |
| 2.2.2 测试序列 |
| 2.2.3 测试平台 |
| 2.2.4 测试流程 |
| 2.3 本章小结 |
| 3 基于循环神经网络的测试序列自动生成方法 |
| 3.1 问题描述与解决方案 |
| 3.1.1 问题描述 |
| 3.1.2 解决方案 |
| 3.2 循环神经网络简介 |
| 3.2.1 循环神经网络 |
| 3.2.2 长短时记忆网络 |
| 3.3 循环神经网络生成测试序列实例 |
| 3.3.1 模型构建 |
| 3.3.2 模型训练及参数调整 |
| 3.3.3 示例分析 |
| 3.4 本章小结 |
| 4 基于专家系统的测试序列判断方法 |
| 4.1 问题描述与解决方案 |
| 4.1.1 问题描述 |
| 4.1.2 解决方案 |
| 4.2 专家系统简介 |
| 4.2.1 专家系统 |
| 4.2.2 基于规则的专家系统 |
| 4.3 专家系统判断测试序列实例 |
| 4.3.1 专家系统知识库设计 |
| 4.3.2 专家系统推理机设计 |
| 4.3.3 专家系统实现 |
| 4.4 本章小结 |
| 5 测试序列辅助生成工具的设计与实现 |
| 5.1 辅助工具需求分析与总体设计 |
| 5.1.1 需求分析 |
| 5.1.2 总体设计 |
| 5.2 主要模块详细设计 |
| 5.2.1 测试序列生成模块 |
| 5.2.2 测试序列判断模块 |
| 5.3 辅助工具实现及应用 |
| 5.3.1 辅助工具实现 |
| 5.3.2 工具应用及结果分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 附录A 配合条件及编号 |
| 附录B 辅助工具生成的测试序列 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）液压系统远程监测网络与智能故障诊断系统设计（论文提纲范文）
| 摘要 |
| Abstracts |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 研究现状 |
| 1.3 发展趋势 |
| 1.4 课题来源及主要研究内容 |
| 第2章 系统总体设计 |
| 2.1 起竖发射装置试验台组成 |
| 2.2 试验台液压系统故障分析 |
| 2.3 常见故障分析 |
| 2.4 系统开发分析 |
| 2.5 系统框架设计 |
| 2.6 本章小结 |
| 第3章 液压系统仿真模型的建立及验证 |
| 3.1 试验台液压系统建模仿真 |
| 3.2 液压系统实验及仿真模型的验证 |
| 3.3 试验台液压系统故障仿真 |
| 3.4 本章小结 |
| 第4章 神经网络专家系统的设计 |
| 4.1 专家系统的概述 |
| 4.2 专家系统的设计 |
| 4.3 故障知识的获取 |
| 4.4 专家系统的知识表示 |
| 4.5 专家系统的诊断推理 |
| 4.6 本章小结 |
| 第5章 远程监测网络与智能故障诊断系统的实现 |
| 5.1 网关与服务器系统的搭建 |
| 5.2 故障诊断专家系统的实现 |
| 5.3 系统诊断检验与推理机制的对比 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间已发表论文 |
| 致谢 |
（6）智能化冠脉支架辅助选型方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 论文研究现状 |
| 1.2.1 国外医疗诊断专家系统的研究现状 |
| 1.2.2 国内医疗专家系统的研究现状 |
| 1.3 论文研究内容 |
| 1.4 论文结构安排 |
| 2 神经网络专家系统基础理论 |
| 2.1 人工智能在医学推理领域中的应用分析 |
| 2.2 专家系统 |
| 2.2.1 专家系统概述 |
| 2.2.2 专家系统结构 |
| 2.2.3 专家系统特点 |
| 2.3 人工神经网络 |
| 2.3.1 人工神经元模型 |
| 2.3.2 人工神经网络结构 |
| 2.3.3 神经网络特点 |
| 2.4 遗传算法 |
| 2.4.1 遗传算法概述 |
| 2.4.2 遗传算法流程 |
| 2.4.3 遗传算法特点 |
| 2.5 神经网络专家系统 |
| 2.6 神经网络专家系统设计流程 |
| 2.7 本章小结 |
| 3 支架选型系统知识库设计 |
| 3.1 专家知识获取与表示方法 |
| 3.1.1 专家知识获取 |
| 3.1.2 知识表示方法 |
| 3.2 病例信息预处理 |
| 3.2.1 病例信息特征 |
| 3.2.2 病灶信息样本预处理 |
| 3.2.3 支架参数预处理 |
| 3.2.4 建立知识表示规则 |
| 3.3 系统数据库设计 |
| 3.4 本章小结 |
| 4 神经网络专家系统支架推理研究 |
| 4.1 专家系统推理实现 |
| 4.1.1 推理方向 |
| 4.1.2 推理实现 |
| 4.2 BP神经网络推理实现 |
| 4.2.1 BP神经网络推理模型的数据准备 |
| 4.2.2 神经网络的建立、训练与预测 |
| 4.3 遗传算法优化BP神经网络 |
| 4.3.1 遗传算法参数选取 |
| 4.3.2 基于遗传算法优化的BP神经网络模型实现 |
| 4.4 本章小结 |
| 5 智能化冠脉支架辅助选型系统的实现 |
| 5.1 系统开发相关技术及工具 |
| 5.1.1 Visual C++与MFC框架技术 |
| 5.1.2 SQL Server |
| 5.1.3 数据库连接 |
| 5.1.4 在Visual C++中调用MATLAB |
| 5.2 系统模块实现 |
| 5.2.1 系统登录模块 |
| 5.2.2 知识库维护模块 |
| 5.2.3 支架混合推理模块 |
| 5.3 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（7）基于神经网络的智能医疗诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 概述 |
| 1.1. 研究背景与意义 |
| 1.2. 课题研究现状 |
| 1.2.1. 我国医疗现状分析 |
| 1.2.2. 医疗诊断技术现状分析 |
| 1.3. 论文主要工作 |
| 2. 智能医疗诊断关键技术研究 |
| 2.1. 监督学习理论 |
| 2.2. 数据预处理技术 |
| 2.2.1. jieba中文分词技术 |
| 2.2.2. 自然出语言处理工具Word2Vec |
| 2.2.3. 二元变量数据类型 |
| 2.3. 神经网络算法研究 |
| 2.3.1. 神经网络简介 |
| 2.3.2. 卷积神经网络 |
| 2.3.3. 神经网络优缺点 |
| 2.4. 决策树算法研究 |
| 3. 医疗诊断系统需求分析 |
| 3.1. 目的与意义 |
| 3.2. 可行性分析 |
| 3.2.1. 算法可行性分析 |
| 3.2.2. 系统可行性分析 |
| 3.2.3. 经济可行性分析 |
| 3.3. 目标人群 |
| 3.3.1. 专业医生 |
| 3.3.2. 健康保健 |
| 3.3.3. 工作繁忙 |
| 3.3.4. 小病小治 |
| 3.3.5. 隐私保护 |
| 3.4. 系统特点 |
| 3.5. 系统功能性需求分析 |
| 3.5.1. 智能诊断 |
| 3.5.2. 疾病百科 |
| 3.5.3. 应急手册 |
| 3.6. 系统非功能性需求分析 |
| 3.6.1. 性能需求 |
| 3.6.2. 安全性和完整性需求 |
| 3.6.3. 系统设计遵循的标准和规范 |
| 4. 医疗诊断算法设计与分析 |
| 4.1. 解决问题 |
| 4.2. 数据预处理 |
| 4.2.1. 数据来源 |
| 4.2.2. 数据处理 |
| 4.2.3. 数据转换 |
| 4.2.4. 数据汇总 |
| 4.3. 模型算法设计 |
| 4.3.1. 全连接神经网络算法设计 |
| 4.3.2. 卷积神经网络算法设计 |
| 4.3.3. Word2vec模型与卷积神经网络算法设计 |
| 4.3.4. 模型评估 |
| 4.3.5. 实验结果分析 |
| 4.4. 本章小结 |
| 5. 智能医疗诊断系统的设计与实现 |
| 5.1. 解决问题 |
| 5.2. 系统设计原则 |
| 5.3. 系统模块设计 |
| 5.3.1. 系统模块数据流 |
| 5.3.2. 智能诊断模块 |
| 5.3.3. 疾病百科模块 |
| 5.3.4. 应急手册模块 |
| 5.4. 系统开发环境 |
| 5.5. 系统前端实现 |
| 5.5.1. 智能诊断模块前端实现 |
| 5.5.2. 疾病百科模块前端实现 |
| 5.5.3. 应急手册模块前端实现 |
| 5.6. 系统后端实现 |
| 5.6.1. 智能诊断模块后端实现 |
| 5.6.2. 疾病百科模块后端实现 |
| 5.6.3. 应急手册模块后端实现 |
| 5.7. 系统并发处理方案 |
| 5.8. 服务器压力测试 |
| 5.9. 系统功能测试 |
| 5.9.1. 智能诊断模块 |
| 5.9.2. 疾病百科模块 |
| 5.9.3. 应急手册模块 |
| 5.10. 本章小结 |
| 6. 总结与展望 |
| 6.1. 工作总结 |
| 6.2. 不足与展望 |
| 本论文研究成果 |
| 参考文献 |
| 致谢 |
（8）基于神经网络专家系统的轮胎成型机故障诊断研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文概述 |
| 1.1.1 论文研究背景 |
| 1.1.2 论文研究的目的与意义 |
| 1.2 国内外研究现状和发展趋势 |
| 1.3 本论文研究的内容 |
| 2 专家系统理论研究 |
| 2.1 专家系统概念 |
| 2.1.1 专家系统的定义 |
| 2.1.2 专家系统的起源和发展 |
| 2.2 专家系统与传统程序的区别 |
| 2.3 专家系统的类型及优点 |
| 2.4 专家系统的结构和实现 |
| 2.4.1 专家系统的结构 |
| 2.4.2 专家系统的工作原理 |
| 3 基于神经网络专家系统的故障诊断系统的设计 |
| 3.1 神经网络简述 |
| 3.1.1 生物神经元模型 |
| 3.1.2 人工神经元模型 |
| 3.2 BP神经网络 |
| 3.2.1 BP神经网络模型 |
| 3.2.2 BP网络的学习 |
| 3.2.3 BP学习算法的改进 |
| 3.2.4 GA—BP算法应用实例 |
| 3.3 故障诊断系统设计——人工神经网络专家系统 |
| 3.3.1 神经网络与专家系统的结合 |
| 3.3.2 结合方式 |
| 4 轮胎成型机测控系统及常见故障分析 |
| 4.1 轮胎成型机简述 |
| 4.1.1 子午线轮胎 |
| 4.1.2 全钢载重子午胎三鼓一次法成型机 |
| 4.2 轮胎成型机测控系统的网络实现 |
| 4.2.1 测控系统硬件平台 |
| 4.2.2 测控系统软件平台 |
| 4.2.3 测控系统网络搭建 |
| 4.3 轮胎成型机常见故障及分析 |
| 5 基于神经网络专家系统的轮胎成型机故障诊断系统的实现 |
| 5.1 基于神经网络专家系统的故障诊断系统结构 |
| 5.2 基LabVIEW的人机交互界面 |
| 5.2.1 LabVIEW平台简介 |
| 5.2.2 故障诊断系统人机交互界面 |
| 5.3 故障诊断实例 |
| 5.3.1 神经网络参数设定 |
| 5.3.2 数据处理 |
| 5.3.3 故障诊断结果分析 |
| 6 总结 |
| 6.1 全文总结 |
| 6.2 论文创新点 |
| 6.3 论文的不足之处 |
| 7 展望 |
| 8 参考文献 |
| 9 攻读硕士学位期间发表论文情况 |
| 10 致谢 |
（9）碳化硅复合材料人工神经网络专家系统的设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 材料科学的发展历程 |
| 1.2 材料科学中人工神经网络的发展概述 |
| 1.2.1 材料科学中人工神经网络的发展历史 |
| 1.2.2 材料科学中人工神经网络专家系统的现状及应用领域 |
| 1.3 碳化硅复合材料的研究现状及应用 |
| 1.3.1 碳化硅陶瓷及其复合材料 |
| 1.3.2 几种常见的碳化硅复合材料及其应用范围 |
| 1.4 本课题的研究任务 |
| 第二章 人工神经网络专家系统 |
| 2.1 人工智能的简介 |
| 2.1.1 人工智能的概述 |
| 2.1.2 人工智能的发展历程 |
| 2.2 专家系统的简介 |
| 2.2.1 专家系统的基本结构 |
| 2.2.2 专家系统的特点 |
| 2.2.3 专家系统的类型与应用 |
| 2.3 人工神经网络简介 |
| 2.3.1 人工神经网络的概述 |
| 2.3.2 人工神经网络的优缺点 |
| 2.3.3 人工神经网络模型分类 |
| 2.3.4 几种基本神经网络的学习算法介绍 |
| 2.4 人工神经神经网络专家系统 |
| 2.5 本章小结 |
| 第三章 人工神经网络专家系统的开发工具、开发环境环境以及算法简介 |
| 3.1 Visual C#简介 |
| 3.1.1 NET Framework的基本概述 |
| 3.1.2 C#项目的类型 |
| 3.2 SQL Server2005简介 |
| 3.2.1 SQL Server 2005数据库的特征 |
| 3.2.2 SQL Server 2005系统数据库 |
| 3.3 ADO.NET |
| 3.3.1 ADO.NET的体系结构 |
| 3.3.2 ADO.NET访问数据库的过程 |
| 3.4 BP学习算法 |
| 3.4.1 BP算法原理 |
| 3.4.2 BP算法的步骤 |
| 3.4.3 BP神经网络的设计 |
| 3.4.4 BP网络算法的优缺点 |
| 3.5 本章小结 |
| 第四章 碳化硅复合材料人工神经网络专家系统的设计方案与研究算法的改进 |
| 4.1 系统任务概述 |
| 4.2 系统功能模块设计 |
| 4.2.1 数据库功能 |
| 4.2.2 网络训练功能和预测功能 |
| 4.3 数据库的建立 |
| 4.4 BP算法的实现 |
| 4.4.1 BP算法的改进 |
| 4.4.2 BP算法的步骤 |
| 4.5 本章小结 |
| 第五章 系统测试运行 |
| 5.1 系统数据库测试运行 |
| 5.1.1 添加数据 |
| 5.1.2 数据的删除和修改 |
| 5.1.3 性能查询 |
| 5.2 系统网络训练测试运行 |
| 5.3 网络训练结果分析 |
| 5.3.1 可以通过调整动量因子，优化预测功能 |
| 5.3.2 可以通过调整学习速率，优化预测功能 |
| 5.3.3 可以通过调整隐含层节点数，优化预测功能 |
| 5.3.4 可以通过调整训练结束判据中的训练次数，优化预测功能 |
| 5.4 本章小结 |
| 第六章 总结和展望 |
| 致谢 |
| 参考文献 |
（10）基于人工神经网络的旋转机械故障诊断专家系统（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 课题的发展水平及研究现状 |
| 1.2.1 机械设备故障诊断的研究现状 |
| 1.2.2 专家系统在设备故障诊断中的应用 |
| 1.3 专家系统的开发工具 |
| 1.4 论文的主要内容及其组织结构 |
| 1.4.1 研究目标 |
| 1.4.2 主要内容 |
| 第2章 旋转机械故障诊断基本理论 |
| 2.1 旋转机械故障类型和故障特征 |
| 2.1.1 转子不平衡故障 |
| 2.1.2 转子不对中故障 |
| 2.1.3 转子摩擦故障 |
| 2.1.4 轴承故障 |
| 2.1.5 浮动密封故障 |
| 2.1.6 齿轮箱故障 |
| 2.2 旋转机械特征信号分析与提取 |
| 2.2.1 傅里叶变换 |
| 2.2.2 功率谱分析 |
| 2.2.3 Gabor变换 |
| 2.2.4 短时傅里叶变换 |
| 2.2.5 小波变换 |
| 2.2.6 全息谱分析 |
| 2.2.7 矢量谱分析 |
| 2.3 矢量谱理论基础 |
| 2.4 转子运动矢量融合能量谱 |
| 2.5 本章小结 |
| 第3章 基于矢量谱的人工神经网络故障诊断研究 |
| 3.1 基于布尔矩阵的系统故障诊断模型 |
| 3.2 模糊聚类分析 |
| 3.3 人工神经网络故障诊断 |
| 3.3.1 神经网络的基本组成 |
| 3.3.2 BP学习算法及其改进方法 |
| 3.3.3 BP神经网络故障诊断的方法与步骤 |
| 3.4 本章小结 |
| 第4章 基于CLIPS的专家系统及其工作原理 |
| 4.1 专家系统概述 |
| 4.1.1 专家系统的概念 |
| 4.1.2 专家系统的结构及工作过程 |
| 4.2 专家系统的知识表示 |
| 4.2.1 产生式表示法 |
| 4.2.2 框架表示法 |
| 4.2.3 基于人工神经网络的知识的表示 |
| 4.3 专家系统的诊断推理 |
| 4.3.1 基于规则的诊断推理 |
| 4.3.2 基于模型的诊断推理 |
| 4.3.3 基于案例的诊断推理 |
| 4.3.4 基于神经网络的诊断推理 |
| 4.4 CLIPS推理结构与语法构成 |
| 4.4.1 CLIPS的基本组成与推理结构 |
| 4.4.2 CLIPS语法构成 |
| 4.4.3 Rete模式匹配算法 |
| 4.5 基于CLIPS的旋转机械故障诊断专家系统开发 |
| 4.6 基于CLIPS和VC++、JAVA的混合编程 |
| 4.6.1 直接嵌入式混合编程 |
| 4.6.2 动态链接库dll方式嵌入 |
| 4.6.3 基于CLIPS和Java混合编程 |
| 4.7 本章小结 |
| 第5章 旋转机械故障诊断专家系统的开发与实现 |
| 5.1 多级行星齿轮箱故障诊断专家系统的总体结构 |
| 5.1.1 齿轮故障诊断机理 |
| 5.1.2 多级行星齿轮减速箱特征参数获取及诊断 |
| 5.2 多级行星齿轮减速器故障诊断专家系统的实现 |
| 5.3 本章小结 |
| 第6章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文及参与的科研项目 |
四、神经网络专家系统开发工具（论文参考文献）
- [1]复杂大型建设项目费用偏差控制方法及信息系统设计[D]. 孙肖坤. 华北电力大学(北京), 2021(01)
- [2]中小跨径桥梁智能安全风险等级评价及养护措施研究[D]. 王冰. 西安理工大学, 2021(01)
- [3]基于中型注塑机的选型软件开发[D]. 张祥东. 北京化工大学, 2020(02)
- [4]高速铁路ATO系统测试序列自动生成研究[D]. 宁鹏飞. 北京交通大学, 2020(03)
- [5]液压系统远程监测网络与智能故障诊断系统设计[D]. 童权煜. 武汉工程大学, 2019(03)
- [6]智能化冠脉支架辅助选型方法研究[D]. 王海侠. 西安工业大学, 2019(03)
- [7]基于神经网络的智能医疗诊断研究[D]. 欧明望. 海南大学, 2019(01)
- [8]基于神经网络专家系统的轮胎成型机故障诊断研究[D]. 王玉鹏. 天津科技大学, 2019(07)
- [9]碳化硅复合材料人工神经网络专家系统的设计研究[D]. 孙卿. 西安电子科技大学, 2014(11)
- [10]基于人工神经网络的旋转机械故障诊断专家系统[D]. 梅杰. 武汉理工大学, 2011(09)