| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-18页 |
| ·故障诊断技术的研究现状及发展前景 | 第10-13页 |
| ·故障诊断的含义与任务 | 第10页 |
| ·故障诊断技术的主要方法 | 第10-11页 |
| ·故障诊断技术的研究现状 | 第11-12页 |
| ·故障诊断技术的发展前景 | 第12-13页 |
| ·基于数据挖掘的故障诊断技术发展现状 | 第13-17页 |
| ·数据挖掘技术的定义与产生 | 第13页 |
| ·数据挖掘的处理过程 | 第13-14页 |
| ·数据挖掘技术的研究现状、发展动态 | 第14-16页 |
| ·基于数据挖掘故障诊断的发展现状 | 第16-17页 |
| ·论文的研究内容及框架结构 | 第17-18页 |
| 第二章 铅酸蓄电池特性 | 第18-28页 |
| ·铅酸蓄电池的工作原理 | 第18页 |
| ·蓄电池基本概念 | 第18-20页 |
| ·影响电池使用性能的因素 | 第20-25页 |
| ·影响电池容量的主要因素 | 第20-22页 |
| ·影响电池循环寿命的因素 | 第22-25页 |
| ·蓄电池组的常见故障及防护分析研究 | 第25-27页 |
| ·蓄电池的常见故障 | 第25页 |
| ·蓄电池组的防护注意问题 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 故障诊断分类算法的比较研究 | 第28-37页 |
| ·基于神经网络的数据挖掘分类方法分析 | 第28-31页 |
| ·神经网络基本概念 | 第28-29页 |
| ·神经网络的规则表示 | 第29-30页 |
| ·神经网络的规则获取 | 第30页 |
| ·神经网络的推理方法 | 第30-31页 |
| ·基于决策树的数据挖掘分类方法分析 | 第31-35页 |
| ·决策树基本概念 | 第31-32页 |
| ·决策树的规则表示 | 第32-33页 |
| ·决策树的规则获取 | 第33-34页 |
| ·决策树的推理方法 | 第34-35页 |
| ·决策树方法的选取 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于决策树的航空蓄电池故障诊断模型与算法研究 | 第37-52页 |
| ·决策树相关问题研究 | 第37-39页 |
| ·决策树的概念 | 第37页 |
| ·决策树的生成过程 | 第37-38页 |
| ·决策树的评价指标 | 第38-39页 |
| ·决策树算法比较研究 | 第39-42页 |
| ·ID3 算法简介 | 第39-40页 |
| ·C4.5 算法简介 | 第40-41页 |
| ·CART 算法简介 | 第41页 |
| ·决策树算法的比较 | 第41-42页 |
| ·针对 G-242 型航空蓄电池的决策树算法选取 | 第42-46页 |
| ·决策树算法的选取 | 第42-43页 |
| ·ID3 算法在蓄电池故障诊断中的应用 | 第43-46页 |
| ·ID3 算法的改进及决策树故障诊断模型的建立 | 第46-51页 |
| ·基于粗糙集理论的条件属性约简算法的验证与程序设计 | 第46-50页 |
| ·基于属性约简的决策树故障诊断模型的建立 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 航空蓄电池故障诊断系统的实现 | 第52-58页 |
| ·实例需求分析 | 第52-53页 |
| ·基于数据挖掘的蓄电池故障诊断软件开发 | 第53-56页 |
| ·系统的技术特征 | 第53页 |
| ·系统的关键技术 | 第53页 |
| ·系统模块介绍 | 第53-56页 |
| ·数据挖掘结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 附录 | 第61-67页 |
| 攻读硕士学位期间取得的学术成果 | 第67-68页 |
| 致谢 | 第68页 |