| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 引言 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 应用研究现状 | 第14-16页 |
| 1.2.2 理论改进研究现状 | 第16-18页 |
| 1.3 本文结构安排 | 第18-19页 |
| 第2章 概率神经网络的相关知识 | 第19-32页 |
| 2.1 人工神经网络 | 第19-24页 |
| 2.1.1 人工神经网络概述 | 第19页 |
| 2.1.2 人工神经元模型 | 第19-21页 |
| 2.1.3 神经网络的结构 | 第21-22页 |
| 2.1.4 人工神经网络的学习 | 第22-23页 |
| 2.1.5 人工神经网络的研究内容及应用 | 第23-24页 |
| 2.2 RBF 神经网络 | 第24-27页 |
| 2.2.1 RBF 神经网络概述 | 第24-26页 |
| 2.2.2 RBF 神经网络学习 | 第26-27页 |
| 2.3 概率神经网络 | 第27-31页 |
| 2.3.1 概率神经网络的理论基础 | 第27-29页 |
| 2.3.2 概率神经网络的结构 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 粒子鱼群算法（PFSA） | 第32-51页 |
| 3.1 基本人工鱼群算法（AFSA）及粒子群算法（PSO） | 第32-35页 |
| 3.2 粒子鱼群算法(PFSA) | 第35-43页 |
| 3.2.1 算法对比 | 第35页 |
| 3.2.2 自适应调节行为 | 第35-37页 |
| 3.2.3 跳跃行为 | 第37-39页 |
| 3.2.4 行为评价 | 第39-43页 |
| 3.3 数值仿真 | 第43-50页 |
| 3.4 本章小结 | 第50-51页 |
| 第4章 PNN 网络的改进研究 | 第51-66页 |
| 4.1 平滑系数的影响 | 第51-53页 |
| 4.2 单平滑系数 PFSA-PNN | 第53-56页 |
| 4.2.1 问题定义及算法过程 | 第53-54页 |
| 4.2.2 验证实验 | 第54-56页 |
| 4.3 多平滑系数 PFSA-PNN | 第56-61页 |
| 4.3.1 多平滑系数的分析 | 第56-59页 |
| 4.3.2 验证实验 | 第59-61页 |
| 4.4 结构自适应 PNN | 第61-65页 |
| 4.4.1 编码方式 | 第62-63页 |
| 4.4.2 验证实验 | 第63-65页 |
| 4.5 本章小结 | 第65-66页 |
| 第5章 实验 | 第66-73页 |
| 5.1 传统的故障分类诊断 | 第67-70页 |
| 5.2 “亚健康”故障诊断 | 第70-72页 |
| 5.2.1 健康度 | 第71-72页 |
| 5.2.2 实验 | 第72页 |
| 5.3 本章小结 | 第72-73页 |
| 第6章 总结和展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 攻读学位期间公开发表的论文 | 第80-81页 |