| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-16页 |
| ·故障诊断技术的研究内容及研究意义 | 第8-10页 |
| ·故障诊断技术 | 第8-9页 |
| ·故障诊断技术的研究内容 | 第9页 |
| ·故障诊断技术的研究意义 | 第9-10页 |
| ·故障诊断技术研究现状及发展趋势 | 第10-14页 |
| ·故障诊断技术研究现状 | 第10-11页 |
| ·故障诊断主要的方法 | 第11-14页 |
| ·故障诊断技术的发展趋势 | 第14-15页 |
| ·论文的研究内容及结构安排 | 第15-16页 |
| 2 故障数据在粗糙集下的属性约简 | 第16-27页 |
| ·引言 | 第16页 |
| ·粗糙集基本理论 | 第16-18页 |
| ·改进的 HORAFA-A 属性约简算法 | 第18-25页 |
| ·HORAFA-A 属性约简算法 | 第18-22页 |
| ·改进的 HORAFA-A 属性约简算法实现 | 第22-25页 |
| ·本章小结 | 第25-27页 |
| 3 改进量子粒子群优化 RBF 神经网络 | 第27-45页 |
| ·引言 | 第27页 |
| ·RBF 神经网络 | 第27-32页 |
| ·RBF 神经网络原理分析 | 第27-29页 |
| ·RBF 网络学习算法 | 第29-31页 |
| ·RBF 网络与 BP 网络的比较 | 第31-32页 |
| ·PSO 算法基本原理 | 第32-33页 |
| ·量子行为粒子群优化算法 | 第33-36页 |
| ·量子行为粒子群优化算法模型 | 第34-35页 |
| ·QPSO 算法和 PSO 算法比较 | 第35-36页 |
| ·改进的 QPSO 算法 | 第36-42页 |
| ·改进的 QPSO 算法实现 | 第37-38页 |
| ·IQPSO 算法性能分析 | 第38-42页 |
| ·IQPSO 优化 RBF 网络参数实现 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 4 粗糙集和 IQPSO 优化 RBF 网络在柴油机故障诊断中的应用 | 第45-55页 |
| ·引言 | 第45-46页 |
| ·RS 理论和神经网络在故障诊断中结合的必要性 | 第46-47页 |
| ·基于粗糙集和 IQPSO-RBF 网络的故障诊断步骤 | 第47-48页 |
| ·基于 IQPSO-RBF 柴油机气门机构故障诊断及分析 | 第48-54页 |
| ·本章小结 | 第54-55页 |
| 5 结论与展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 附录 | 第62页 |
| A. 作者在攻读学位期间发表的论文目录 | 第62页 |
| B. 作者在攻读学位期间取得的科研成果目录 | 第62页 |
