| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8页 |
| 1.2 故障诊断概念及方法 | 第8-11页 |
| 1.2.1 故障诊断概念 | 第8-10页 |
| 1.2.2 故障诊断方法 | 第10-11页 |
| 1.3 基于神经网络的故障诊断研究现状 | 第11-15页 |
| 1.4 本文主要内容 | 第15-16页 |
| 2 基于PCA-LVQ神经网络的故障诊断 | 第16-33页 |
| 2.1 主元分析法简介 | 第16-19页 |
| 2.1.1 主元分析数学思想 | 第16-17页 |
| 2.1.2 主元分析基本原理 | 第17-19页 |
| 2.2 LVQ神经网络简介 | 第19-21页 |
| 2.2.1 LVQ神经网络结构 | 第19-20页 |
| 2.2.2 LVQ神经网络实现规则 | 第20-21页 |
| 2.3 PCA-LVQ神经网络 | 第21-22页 |
| 2.4 仿真分析 | 第22-31页 |
| 2.4.1 田纳西-伊斯曼过程 | 第22-26页 |
| 2.4.2 基于PCA-LVQ的故障检测仿真分析 | 第26-30页 |
| 2.4.3 基于PCA-LVQ的故障诊断仿真分析 | 第30-31页 |
| 2.5 本章小结 | 第31-33页 |
| 3 基于IIWPSO-PNN的故障诊断 | 第33-55页 |
| 3.1 PNN简介 | 第33-39页 |
| 3.1.1 模式识别Bayes判决理论 | 第33-34页 |
| 3.1.2 PNN网络结构 | 第34-35页 |
| 3.1.3 PNN算法 | 第35-39页 |
| 3.2 IIWPSO算法 | 第39-43页 |
| 3.2.1 PSO的基本形式 | 第39-40页 |
| 3.2.2 PSO控制参数 | 第40-41页 |
| 3.2.3 IIWPSO算法 | 第41-43页 |
| 3.3 IIWPSO-PNN训练过程 | 第43-45页 |
| 3.4 仿真分析 | 第45-54页 |
| 3.4.1 数值仿真 | 第45-48页 |
| 3.4.2 基于IIWPSO-PNN的故障检测仿真分析 | 第48-52页 |
| 3.4.3 基于IIWPSO-PNN的故障诊断仿真分析 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 4 基于神经网络集成的故障诊断 | 第55-66页 |
| 4.1 集成神经网络 | 第55-59页 |
| 4.1.1 神经网络集成的机理研究 | 第55-57页 |
| 4.1.2 个体生成方式研究 | 第57-59页 |
| 4.1.3 结论生成方式研究 | 第59页 |
| 4.2 IIWPSO-PNN集成算法 | 第59-61页 |
| 4.3 仿真分析 | 第61-65页 |
| 4.3.1 UCI标准机器学习库 | 第61-62页 |
| 4.3.2 基于IIWPSO-PNN集成的故障检测仿真分析 | 第62-63页 |
| 4.3.3 基于IIWPSO-PNN集成的故障诊断仿真分析 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 总结 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 攻读硕士研究生期间发表论文及研究成果 | 第74页 |
