| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-19页 |
| ·故障诊断的背景以及研究意义 | 第9页 |
| ·故障诊断研究历史和发展现状 | 第9-16页 |
| ·故障的概念和分类 | 第9-10页 |
| ·故障诊断的主要任务和内容 | 第10-11页 |
| ·故障诊断的方法 | 第11-14页 |
| ·故障分类与智能诊断方法 | 第14-15页 |
| ·故障诊断技术研究历史与发展现状 | 第15-16页 |
| ·论文主要内容及章节安排 | 第16-19页 |
| 第2章 基于粗糙集理论的属性约简 | 第19-29页 |
| ·引言 | 第19-20页 |
| ·粗糙集理论介绍 | 第20-23页 |
| ·基本概念 | 第20-22页 |
| ·历史现状 | 第22-23页 |
| ·数据离散化 | 第23-24页 |
| ·知识约简原理 | 第24-28页 |
| ·决策表中的知识约简 | 第24-26页 |
| ·不相容决策表的知识约简 | 第26-27页 |
| ·基于差别矩阵的属性约简算法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 粒子群算法以及其改进算法 | 第29-49页 |
| ·引言 | 第29页 |
| ·粒子群算法 | 第29-34页 |
| ·粒子群算法起源 | 第29-31页 |
| ·标准PSO算法 | 第31-33页 |
| ·离散PSO算法 | 第33页 |
| ·粒子群算法的几种改进 | 第33-34页 |
| ·量子粒子群算法 | 第34-35页 |
| ·免疫粒子群算法 | 第35-40页 |
| ·生物免疫系统及其特性 | 第35-36页 |
| ·人工免疫算法 | 第36-39页 |
| ·免疫粒子群优化算法 | 第39-40页 |
| ·多种群粒子群算法 | 第40-42页 |
| ·测试函数和性能指标 | 第42-44页 |
| ·仿真实验 | 第44-47页 |
| ·惯性权重系数ω的选择 | 第44-45页 |
| ·算法性能比较 | 第45-47页 |
| ·本章小结 | 第47-49页 |
| 第4章 改进粒子群算法及其在属性约简中的应用 | 第49-59页 |
| ·引言 | 第49页 |
| ·基于量子粒子群的属性约简算法 | 第49-51页 |
| ·信息系统的粒子模型 | 第49页 |
| ·粒子适应度函数 | 第49页 |
| ·粒子编码转换策略 | 第49-50页 |
| ·种群位置初始化 | 第50页 |
| ·算法步骤 | 第50-51页 |
| ·基于免疫量子粒子群的属性约简算法 | 第51-52页 |
| ·免疫量子粒子群算法 | 第51页 |
| ·属性约简的疫苗定义 | 第51-52页 |
| ·基于多种群量子粒子群的属性约简算法 | 第52-53页 |
| ·测试数据集和性能指标 | 第53页 |
| ·仿真实验 | 第53-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于改进量子粒子群的粗糙集属性约简算法在故障诊断中的应用 | 第59-71页 |
| ·引言 | 第59页 |
| ·故障特征选择及其应用 | 第59-61页 |
| ·有关特征选择的一些概念 | 第59-60页 |
| ·特征选择方法概述 | 第60页 |
| ·基于MIQPSO粗糙集属性约简算法的故障特征选择流程 | 第60-61页 |
| ·支持向量机分类器及其应用 | 第61-63页 |
| ·支持向量机分类器原理简介 | 第61-62页 |
| ·多分类支持向量机 | 第62页 |
| ·SVM工具箱介绍 | 第62-63页 |
| ·故障诊断在TE过程中的应用 | 第63-64页 |
| ·田纳西-伊斯曼过程 | 第63-64页 |
| ·过程变量 | 第64页 |
| ·过程故障 | 第64页 |
| ·故障特征选择仿真 | 第64-69页 |
| ·数据选择与预处理 | 第66-67页 |
| ·故障诊断 | 第67-69页 |
| ·本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| ·本文工作总结 | 第71页 |
| ·进一步展望和讨论 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士期间发表的论文 | 第79页 |