| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题研究的背景、目的及意义 | 第10-13页 |
| 1.1.1 课题研究的背景 | 第10-11页 |
| 1.1.2 课题研究的目的及意义 | 第11-13页 |
| 1.2 故障诊断领域的发展状况 | 第13-17页 |
| 1.2.1 数据挖掘技术在故障诊断领域中的发展 | 第15页 |
| 1.2.2 全断面掘进机故障诊断的研究现状 | 第15-17页 |
| 1.3 本文主要研究内容 | 第17-18页 |
| 第2章 全断面掘进机相关理论的研究 | 第18-32页 |
| 2.1 全断面掘进机的结构分析和工作原理 | 第18-23页 |
| 2.1.1 全断面掘进机的主要结构 | 第19-21页 |
| 2.1.2 全断面掘进机的工作原理 | 第21-23页 |
| 2.2 全断面掘进机的数据采集系统 | 第23-25页 |
| 2.3 全断面掘进机的故障分析 | 第25-30页 |
| 2.3.1 全断面掘进机的故障机理 | 第26页 |
| 2.3.2 全断面掘进机受控对象的选择 | 第26-28页 |
| 2.3.3 全断面掘进机的常见施工故障 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第3章 数据挖掘技术与故障诊断的理论研究 | 第32-48页 |
| 3.1 数据挖掘技术的相关理论研究 | 第32-36页 |
| 3.1.1 数据挖掘技术的定义 | 第32页 |
| 3.1.2 数据挖掘技术的发展 | 第32-33页 |
| 3.1.3 数据挖掘的步骤 | 第33-34页 |
| 3.1.4 数据挖掘的相关技术 | 第34-35页 |
| 3.1.5 常用的数据挖掘工具 | 第35-36页 |
| 3.2 故障诊断的相关理论研究 | 第36-37页 |
| 3.2.1 故障诊断技术的定义 | 第36页 |
| 3.2.2 故障诊断的方法 | 第36-37页 |
| 3.2.3 故障诊断研究的内容 | 第37页 |
| 3.3 故障诊断系统中应用的数据挖掘技术 | 第37-46页 |
| 3.3.1 粗糙集技术的基本概念 | 第38-40页 |
| 3.3.2 基于粗糙集的属性简约 | 第40-42页 |
| 3.3.3 决策树的基本概念 | 第42-43页 |
| 3.3.4 决策树算法的介绍 | 第43-46页 |
| 3.4 本章小结 | 第46-48页 |
| 第4章 数据挖掘技术在全断面掘进机故障诊断中的实现 | 第48-66页 |
| 4.1 故障诊断中融合诊断的研究 | 第48-49页 |
| 4.1.1 诊断方法的融合 | 第48-49页 |
| 4.2 基于数据挖掘算法的故障模型 | 第49-50页 |
| 4.3 基于粗糙集理论的故障特征参数选择 | 第50-55页 |
| 4.3.1 数据预处理 | 第50-53页 |
| 4.3.2 条件属性的约简 | 第53-55页 |
| 4.4 基于决策树算法的TBM故障识别方法实现 | 第55-64页 |
| 4.4.1 C4.5算法在TBM故障诊断中的应用 | 第56-58页 |
| 4.4.2 改进的C4.5算法在TBM故障诊断中的应用 | 第58-59页 |
| 4.4.3 基于Clementine的决策树算法实现 | 第59-62页 |
| 4.4.4 基于属性约简的决策树预测诊断 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 第5章 基于Web的故障诊断系统的设计方案 | 第66-82页 |
| 5.1 远程故障诊断系统的网络化技术 | 第66-70页 |
| 5.1.1 远程故障诊断系统的模式设计 | 第66-67页 |
| 5.1.2 远程故障诊断系统的基本结构 | 第67-69页 |
| 5.1.3 远程故障诊断系统的软件开发技术 | 第69-70页 |
| 5.1.4 远程故障诊断系统的软件平台 | 第70页 |
| 5.2 故障诊断系统模块的设计 | 第70-81页 |
| 5.2.1 系统的总体设计 | 第70-72页 |
| 5.2.2 系统的主要功能模块 | 第72-73页 |
| 5.2.3 系统数据库的设计 | 第73-76页 |
| 5.2.4 诊断系统的主要功能 | 第76-81页 |
| 5.3 本章小结 | 第81-82页 |
| 第6章 结论与建议 | 第82-84页 |
| 6.1 结论 | 第82页 |
| 6.2 建议 | 第82-84页 |
| 参考文献 | 第84-90页 |
| 致谢 | 第90页 |
