| 摘要 | 第1-9页 |
| ABSTRACT | 第9-10页 |
| 第1章 绪论 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·本课题研究背景 | 第10-11页 |
| ·本课题研究意义 | 第11页 |
| ·风机故障诊断研究现状 | 第11-12页 |
| ·国内外研究现状 | 第11-12页 |
| ·风机故障诊断的发展方向 | 第12页 |
| ·本文的主要工作及研究内容 | 第12-14页 |
| ·本课题的主要研究内容 | 第12-13页 |
| ·论文章节安排 | 第13-14页 |
| 第2章 故障诊断技术与神经网络 | 第14-28页 |
| ·故障诊断技术 | 第14-16页 |
| ·故障诊断技术的发展 | 第15-16页 |
| ·智能诊断方法 | 第16页 |
| ·人工神经网络 | 第16-25页 |
| ·神经网络结构模型和基本特点 | 第17-18页 |
| ·BP 神经网络 | 第18-22页 |
| ·集成神经网络 | 第22-25页 |
| ·神经网络与故障诊断 | 第25-27页 |
| ·神经网络应用于故障诊断的优势 | 第25-26页 |
| ·神经网络的局限性 | 第26-27页 |
| 本章小结 | 第27-28页 |
| 第3章 粗糙集理论及在故障诊断中的应用 | 第28-38页 |
| ·粗糙集理论 | 第28-31页 |
| ·粗糙集的知识表达 | 第28-29页 |
| ·粗糙集约简与核 | 第29-30页 |
| ·粗糙集决策表 | 第30-31页 |
| ·粗糙集一般算法 | 第31-35页 |
| ·粗糙集离散算法 | 第31-32页 |
| ·粗糙集属性约简算法 | 第32-35页 |
| ·粗糙集应用软件 | 第35-36页 |
| ·粗糙集与机械故障诊断 | 第36-37页 |
| 本章小结 | 第37-38页 |
| 第4章 矿井风机的故障机理研究 | 第38-48页 |
| ·矿用风机的特点及分类 | 第38-39页 |
| ·矿用风机的特点 | 第38页 |
| ·矿用风机的分类与主要型号 | 第38-39页 |
| ·风机故障机理分析 | 第39-43页 |
| ·风机故障特点 | 第39-40页 |
| ·常见的故障特征频率 | 第40页 |
| ·振动特性分析 | 第40-43页 |
| ·数据采集思路 | 第43-46页 |
| 本章小结 | 第46-48页 |
| 第5章 粗糙集-神经网络在矿井风机故障诊断中的应用 | 第48-54页 |
| ·粗糙集--神经网络与故障诊断 | 第48-50页 |
| ·粗糙集在神经网络中应用的必要性 | 第48-49页 |
| ·粗糙集--神经网络在故障诊断中的优势 | 第49-50页 |
| ·粗糙集和神经网络结合的故障诊断系统 | 第50-52页 |
| ·粗糙集--神经网络诊断模型 | 第50-52页 |
| ·粗糙集--神经网络诊断步骤 | 第52页 |
| 本章小结 | 第52-54页 |
| 第6章 基于故障实例的诊断模型仿真测试 | 第54-68页 |
| ·数据选择 | 第54-55页 |
| ·粗糙集数据预处理 | 第55-60页 |
| ·数据的离散化处理 | 第55-57页 |
| ·属性约简和规则 | 第57-60页 |
| ·BP 神经网络的训练与测试 | 第60-66页 |
| ·仿真实验结果分析 | 第66页 |
| 本章小结 | 第66-68页 |
| 第7章 总结与展望 | 第68-70页 |
| ·课题总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74-75页 |
| 致谢 | 第75-76页 |
| 在学期间主要科研成果 | 第76页 |
| 发表学术论文 | 第76页 |
| 获奖情况 | 第76页 |