| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·故障诊断方法概述 | 第8-9页 |
| ·粗糙集理论在故障诊断中的应用 | 第9-11页 |
| ·粗糙集理论的应用 | 第9-10页 |
| ·粗糙集故障诊断特点 | 第10页 |
| ·粗糙集在故障诊断中应用 | 第10-11页 |
| ·粗糙集与神经网络在故障诊断中结合的必要性 | 第11-12页 |
| ·神经网络在故障诊断中的应用及其局限性 | 第11页 |
| ·粗糙集理论与神经网络结合的必要性 | 第11-12页 |
| ·本论文的内容和结构安排 | 第12-13页 |
| 第二章 基于粗糙集的属性约简算法改进 | 第13-25页 |
| ·引言 | 第13页 |
| ·粗糙集理论的基本概念 | 第13-19页 |
| ·知识与不可分辨关系 | 第13-14页 |
| ·粗糙集的下近似、上近似、边界区和粗糙隶属函数 | 第14页 |
| ·属性约简和核 | 第14-16页 |
| ·基于粗糙集理论的约简 | 第16-19页 |
| ·可辨识矩阵与布尔代数的基本概念 | 第19-21页 |
| ·可辨识矩阵的基本概念 | 第19页 |
| ·布尔代数及其基本性质 | 第19-20页 |
| ·基于可辨识矩阵属性约简算法 | 第20-21页 |
| ·属性约简算法的改进 | 第21-24页 |
| ·基于改进的可辨识矩阵与布尔代数算法 | 第21-22页 |
| ·算法应用举例 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于神经网络的连续数据离散化与故障诊断 | 第25-33页 |
| ·连续数据离散化 | 第25-27页 |
| ·离散化问题描述 | 第25-26页 |
| ·一般的离散化方法 | 第26-27页 |
| ·基于自组织映射神经网络的连续属性离散化 | 第27-30页 |
| ·自组织神经网路算法 | 第27页 |
| ·自组织神经网络用于连续属性值离散化算法 | 第27-28页 |
| ·应用举例 | 第28-30页 |
| ·粗糙集与神经网络相结合的故障诊断系统的构成 | 第30-32页 |
| ·BP 神经网络的构成 | 第30-31页 |
| ·BP 神经网络的算法 | 第31-32页 |
| ·粗糙集与神经网络相结合的故障诊断系统的结构框图 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 粗糙集与神经网络相结合的TEP 故障诊断 | 第33-43页 |
| ·引言 | 第33-34页 |
| ·粗糙集与神经网络相结合的系统结构 | 第34-35页 |
| ·具体步骤 | 第34-35页 |
| ·田纳西－依斯曼过程(TENNESSEE-EASTMAN PROCESS,TEP) | 第35-36页 |
| ·TEP 的简介 | 第35页 |
| ·过程故障 | 第35-36页 |
| ·TEP 故障诊断描述 | 第36-39页 |
| ·获取故障数据 | 第36-38页 |
| ·故障数据集的知识约简与规则提取 | 第38页 |
| ·TEP 过程故障诊断的神经网络结构构成 | 第38-39页 |
| ·粗糙集与神经网络相结合的TEP 故障诊断 | 第39-41页 |
| ·故障诊断在TEP 中的应用 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 总结与展望 | 第43-44页 |
| ·论文的主要工作与总结 | 第43页 |
| ·研究展望 | 第43-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第49页 |