| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 选题背景及意义 | 第9-10页 |
| 1.2 故障诊断研究现状 | 第10-13页 |
| 1.3 本文的主要内容 | 第13-15页 |
| 第2章 制粉系统故障分析与故障征兆参数选择 | 第15-21页 |
| 2.1 制粉系统简介 | 第15-16页 |
| 2.2 制粉系统常见故障分析 | 第16-18页 |
| 2.3 制粉系统故障征兆参数选择与分析 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 制粉系统故障诊断方法研究 | 第21-41页 |
| 3.1 基于改进非线性状态估计的制粉系统故障诊断方法 | 第21-28页 |
| 3.1.1 相似性与非线性状态估计方法简介 | 第21-22页 |
| 3.1.2 基于马氏距离的过程记忆矩阵的构造 | 第22-25页 |
| 3.1.3 基于NSET原理的制粉系统故障诊断 | 第25-28页 |
| 3.2 基于数据挖掘改进的BP神经网络制粉系统故障诊断方法 | 第28-33页 |
| 3.2.1 数据挖掘技术简介 | 第29页 |
| 3.2.2 数据挖掘故障诊断过程 | 第29-33页 |
| 3.3 基于粒子群优化的最小二乘支持向量机制粉系统故障诊断 | 第33-40页 |
| 3.3.1 基于数据挖掘的数据预处理 | 第33-35页 |
| 3.3.2 最小二乘支持向量机的基本原理 | 第35-37页 |
| 3.3.3 粒子群优化算法的基本原理 | 第37页 |
| 3.3.4 基于粒子群优化的LS-SVM的制粉系统故障诊断步骤 | 第37-40页 |
| 3.4 三种故障诊断方法对比 | 第40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 制粉系统状态监测与故障诊断系统的研究 | 第41-50页 |
| 4.1 基于NSET原理的制粉系统设备健康指数的计算 | 第41-42页 |
| 4.2 制粉系统状态监测与故障诊断系统的设计 | 第42-49页 |
| 4.2.1 LabVIEW简介 | 第42-43页 |
| 4.2.2 状态监测故障诊断系统设计步骤 | 第43页 |
| 4.2.3 MATLAB程序的调用与系统框图的设计 | 第43-45页 |
| 4.2.4 系统界面设计 | 第45-47页 |
| 4.2.5 系统界面的远程网页发布 | 第47-49页 |
| 4.3 本章小结 | 第49-50页 |
| 第5章 结论与展望 | 第50-52页 |
| 5.1 本文总结 | 第50-51页 |
| 5.2 未来展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57页 |
