基于粗糙集和神经网络的故障诊断方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-15页 |
| ·故障诊断技术的发展 | 第11页 |
| ·智能故障诊断 | 第11-13页 |
| ·基于计算智能的故障诊断 | 第12-13页 |
| ·神经网络和粗糙集结合的必要性 | 第13页 |
| ·本课题国内外研究现状 | 第13-14页 |
| ·本论文的主要研究内容 | 第14-15页 |
| 2 粗糙集基础 | 第15-24页 |
| ·引言 | 第15页 |
| ·知识的含义与决策系统表示 | 第15-16页 |
| ·粗糙集 | 第16-22页 |
| ·属性的依赖性和重要性 | 第18-20页 |
| ·决策系统的求核与约简 | 第20页 |
| ·属性的相对约简与相对核 | 第20-21页 |
| ·决策表分析与约简 | 第21页 |
| ·粗糙集理论的知识推理过程 | 第21-22页 |
| ·粗糙集理论的应用 | 第22-24页 |
| 3 人工神经网络的应用 | 第24-32页 |
| ·人工神经网络概述 | 第24-25页 |
| ·神经网络的特性和学习算法 | 第25-26页 |
| ·人工神经网络的基本特性 | 第25页 |
| ·人工神经网络的主要学习算法 | 第25-26页 |
| ·神经网络在本论文中的应用 | 第26-27页 |
| ·神经网络用于连续属性离散化 | 第26-27页 |
| ·神经网络用于故障诊断 | 第27页 |
| ·两种神经网络模型 | 第27-30页 |
| ·BP神经网络 | 第27-29页 |
| ·竞争学习(Competitive)网络 | 第29-30页 |
| ·MATLAB的简介 | 第30-32页 |
| ·MATLAB6.5神经网络工具箱简介 | 第30-31页 |
| ·基于GUI的神经网络设计与分析 | 第31-32页 |
| 4 粗糙集和神经网络结合的故障诊断方法 | 第32-40页 |
| ·粗糙集——神经网络系统概述 | 第32-33页 |
| ·粗糙集和神经网络结合的故障诊断系统 | 第33-34页 |
| ·连续属性的离散化 | 第34-37页 |
| ·连续属性离散化的必要性 | 第34-35页 |
| ·几种连续属性离散化的方法 | 第35-36页 |
| ·竞争学习网络和条件属性支持度结合的离散化方法 | 第36-37页 |
| ·基于分块决策表的属性约简方法 | 第37-38页 |
| ·方法的提出 | 第37页 |
| ·可行性分析 | 第37-38页 |
| ·约简算法的时间复杂度分析 | 第38页 |
| ·用BP神经网络实现故障诊断 | 第38-40页 |
| 5 仿真实验 | 第40-61页 |
| ·实验设计 | 第40-42页 |
| ·样本集的约减及求核 | 第42-48页 |
| ·MATLAB仿真 | 第48-59页 |
| ·原始数据仿真 | 第50-53页 |
| ·约减后数据仿真 | 第53-58页 |
| ·样本测试 | 第58-59页 |
| ·实验结果分析 | 第59-61页 |
| 总结 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67页 |
