| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 船舶故障诊断技术的发展历史、研究现状及发展趋势 | 第11-17页 |
| 1.2.1 船舶故障诊断技术的发展历史 | 第11-13页 |
| 1.2.2 船舶故障诊断技术的研究现状 | 第13-16页 |
| 1.2.3 船舶故障诊断技术的发展趋势 | 第16-17页 |
| 1.3 本文的研究工作 | 第17-18页 |
| 第2章 人工免疫系统及免疫克隆算法 | 第18-24页 |
| 2.1 人工免疫系统 | 第18-20页 |
| 2.2 免疫克隆算法 | 第20-21页 |
| 2.3 免疫克隆算法与其它算法的比较 | 第21-23页 |
| 2.3.1 免疫克隆算法与进化计算 | 第21-22页 |
| 2.3.2 免疫克隆算法与人工神经网络 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 船舶远程故障诊断相关技术 | 第24-31页 |
| 3.1 无线传感器网络技术 | 第25-28页 |
| 3.1.1 无线传感器网络的节点结构 | 第25-26页 |
| 3.1.2 无线传感器网络典型体系结构 | 第26-27页 |
| 3.1.3 无线传感器网络的特点 | 第27-28页 |
| 3.1.4 无线传感器网络在船舶故障诊断中的应用 | 第28页 |
| 3.2 船舶远程故障诊断系统中的通讯技术 | 第28-30页 |
| 3.2.1 IEEE802标准 | 第28-29页 |
| 3.2.2 TCP/IP协议 | 第29页 |
| 3.2.3 Java技术 | 第29-30页 |
| 3.3 本章小结 | 第30-31页 |
| 第4章 免疫克隆算法的改进及在船舶故障诊断中的应用 | 第31-43页 |
| 4.1 免疫克隆算法原理 | 第31-39页 |
| 4.1.1 免疫克隆计算模型 | 第31页 |
| 4.1.2 免疫克隆算法及其实现过程 | 第31-35页 |
| 4.1.3 引入聚类竞争的免疫克隆算法 | 第35-38页 |
| 4.1.4 算法分析 | 第38-39页 |
| 4.2 分层故障诊断模型 | 第39-41页 |
| 4.3 面向船舶故障诊断的免疫克隆算法 | 第41-42页 |
| 4.4 本章小结 | 第42-43页 |
| 第5章 基于免疫克隆算法的船舶远程故障诊断系统实现 | 第43-61页 |
| 5.1 系统总体设计 | 第43-44页 |
| 5.2 系统开发工具简介 | 第44-45页 |
| 5.2.1 MATLAB简介 | 第44页 |
| 5.2.2 MATLAB中的Database工具箱 | 第44-45页 |
| 5.2.3 图形界面开发工具MATLAB GUI | 第45页 |
| 5.3 免疫克隆算法在船舶故障诊断系统中的实现及性能分析 | 第45-50页 |
| 5.4 系统实现及诊断实例分析 | 第50-60页 |
| 5.4.1 系统界面设计 | 第50-52页 |
| 5.4.2 实例分析 | 第52-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66页 |
