基于变精度粗糙集与神经网络的水电机组振动故障诊断研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·本课题研究的意义和目的 | 第8-9页 |
| ·故障诊断技术的研究现状 | 第9-13页 |
| ·故障诊断技术的发展 | 第9-10页 |
| ·水电机组故障诊断技术的发展 | 第10-13页 |
| ·本文研究的主要内容 | 第13-14页 |
| 2 水电机组振动故障理论 | 第14-22页 |
| ·引言 | 第14页 |
| ·水电机组振动故障的机理 | 第14-18页 |
| ·水力因素 | 第14-16页 |
| ·机械因素 | 第16-17页 |
| ·电气因素 | 第17-18页 |
| ·水电机组振动故障的主要特点 | 第18-19页 |
| ·水电机组振动故障特征分析 | 第19-20页 |
| ·水电机组振动故障的判别方法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 3 基于变精度粗糙集理论的故障诊断技术 | 第22-42页 |
| ·粗糙集基本理论 | 第23-25页 |
| ·知识与不可分辨关系 | 第23-24页 |
| ·粗糙集 | 第24-25页 |
| ·属性的依赖度 | 第25页 |
| ·属性的重要性 | 第25页 |
| ·变精度粗糙集模型 | 第25-28页 |
| ·变精度粗糙集基本概念 | 第25-28页 |
| ·变精度粗糙集的依赖度 | 第28页 |
| ·变精度粗糙集的特点 | 第28页 |
| ·粗糙集属性约简与核 | 第28-31页 |
| ·经典粗糙集属性约简与核 | 第29页 |
| ·变精度粗糙集属性约简与核 | 第29-31页 |
| ·基于变精度粗糙集理论的故障诊断技术 | 第31-37页 |
| ·粗糙集的数据预处理 | 第32-34页 |
| ·属性约简 | 第34-36页 |
| ·值约简 | 第36-37页 |
| ·诊断规则提取 | 第37页 |
| ·算例分析 | 第37-40页 |
| ·本章小结 | 第40-42页 |
| 4 RBF神经网络智能诊断技术 | 第42-52页 |
| ·引言 | 第42-43页 |
| ·RBF神经网络 | 第43-48页 |
| ·RBF神经元模型 | 第43-44页 |
| ·RBF神经网络的结构 | 第44-45页 |
| ·RBF网络的学习算法 | 第45-47页 |
| ·RBF神经网络的特点 | 第47-48页 |
| ·基于MATLAB的RBF网络的设计 | 第48-49页 |
| ·RBF神经网络在故障诊断中的应用 | 第49页 |
| ·算例分析 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 5 变精度粗糙集与神经网络结合的故障诊断方法 | 第52-61页 |
| ·引言 | 第52-53页 |
| ·粗糙集与神经网络的结合方法 | 第53-54页 |
| ·粗糙集理论和神经网络的差别 | 第53页 |
| ·粗糙集理论和神经网络的结合方法 | 第53-54页 |
| ·变精度粗糙集和RBF神经网络结合的故障诊断方法 | 第54-55页 |
| ·变精度粗糙集-RBF神经网络故障诊断法的特点 | 第54-55页 |
| ·变精度粗糙集-RBF神经网络故障诊断法的实现 | 第55页 |
| ·算例1 | 第55-58页 |
| ·算例2 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 6 结论与展望 | 第61-63页 |
| ·结论 | 第61页 |
| ·展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在校学习期间发表的论文 | 第67页 |
