摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题研究意义及目的 | 第11-12页 |
1.2 国内外研究动态 | 第12-16页 |
1.2.1 故障诊断方法分类 | 第12-14页 |
1.2.2 符号有向图故障诊断研究概况 | 第14-15页 |
1.2.3 粒计算研究概况 | 第15-16页 |
1.2.4 基于粒计算的SDG故障诊断方法研究概况 | 第16页 |
1.3 论文的主要内容及创新点 | 第16-17页 |
1.3.1 论文的主要内容 | 第16-17页 |
1.3.2 论文的创新点 | 第17页 |
1.4 论文的组织结构 | 第17-19页 |
第2章 符号有向图故障诊断方法 | 第19-31页 |
2.1 SDG的基本概念与理论基础 | 第19-22页 |
2.1.1 SDG的基本概念 | 第19-20页 |
2.1.2 SDG的理论基础 | 第20-22页 |
2.2 SDG的建模方法与推理机制 | 第22-26页 |
2.2.1 SDG建模方法 | 第22-24页 |
2.2.2 SDG的简化和推理机制 | 第24-26页 |
2.3 基于SDG的故障诊断 | 第26-30页 |
2.3.1 节点平衡方程 | 第26-27页 |
2.3.2 基本算法 | 第27-28页 |
2.3.3 案例 | 第28-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于邻域粗糙集的SDG故障诊断方法 | 第31-49页 |
3.1 基于粒计算的SDG故障诊断方法简介 | 第31-37页 |
3.1.1 粒计算的主要模型 | 第31页 |
3.1.2 基于粗糙集的粒计算简介 | 第31-33页 |
3.1.3 约简算法 | 第33-35页 |
3.1.4 粒计算-SDG故障诊断方法 | 第35-37页 |
3.2 基于邻域粗糙集的属性约简算法 | 第37-42页 |
3.2.1 基于邻域的粒化 | 第38-39页 |
3.2.2 邻域粗糙集逼近 | 第39页 |
3.2.3 邻域决策系统 | 第39-41页 |
3.2.4 基于邻域粗糙集的属性约简算法 | 第41-42页 |
3.2.5 邻域大小的设定 | 第42页 |
3.3 数据预处理 | 第42-44页 |
3.3.1 模糊隶属度的设定 | 第42-43页 |
3.3.2 模糊SDG模型 | 第43-44页 |
3.4 基于邻域粗糙集的SDG故障诊断方法 | 第44-46页 |
3.4.1 基本结构 | 第44-45页 |
3.4.2 决策规则推理 | 第45-46页 |
3.5 诊断方法对比分析 | 第46-48页 |
3.6 本章小结 | 第48-49页 |
第4章 基于改进模糊概率SDG的故障诊断方法 | 第49-59页 |
4.1 复杂系统的故障传播特性 | 第49-50页 |
4.2 模糊偏差融合 | 第50-53页 |
4.3 基于模糊概率SDG的故障诊断方法 | 第53-55页 |
4.3.1 模糊概率SDG模型的定义 | 第53-54页 |
4.3.2 FPSDG的建模流程 | 第54页 |
4.3.3 基于模糊概率SDG的故障诊断推理方法 | 第54-55页 |
4.4 基于改进模糊概率SDG的故障诊断方法 | 第55-58页 |
4.4.1 改进的模糊概率SDG模型的定义 | 第55-57页 |
4.4.2 改进的FPSDG的建模流程 | 第57页 |
4.4.3 基于改进的模糊概率SDG故障诊断推理方法 | 第57-58页 |
4.5 本章小结 | 第58-59页 |
第5章 基于TE过程的仿真分析 | 第59-73页 |
5.1 TE过程描述 | 第59-65页 |
5.1.1 TE过程工艺流程图 | 第59-61页 |
5.1.2 过程变量 | 第61-64页 |
5.1.3 过程故障 | 第64-65页 |
5.2 TE过程的SDG模型 | 第65-66页 |
5.3 节点模糊阈值的确定 | 第66-67页 |
5.4 案例分析 | 第67-72页 |
5.4.1 基于邻域粗糙集的SDG故障诊断方法分析 | 第67-71页 |
5.4.2 基于SDG的模糊概率融合故障诊断方法分析 | 第71-72页 |
5.5 本章小结 | 第72-73页 |
第6章 总结与展望 | 第73-75页 |
6.1 论文总结 | 第73-74页 |
6.2 研究展望 | 第74-75页 |
参考文献 | 第75-81页 |
致谢 | 第81页 |