| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-18页 |
| ·问题的提出 | 第9页 |
| ·故障诊断的意义 | 第9-10页 |
| ·故障诊断的研究现状 | 第10-14页 |
| ·故障诊断的发展 | 第10-13页 |
| ·现阶段智能诊断技术的局限 | 第13-14页 |
| ·人工免疫系统研究 | 第14-17页 |
| ·人工免疫系统的理论研究 | 第14-15页 |
| ·人工免疫系统的应用研究 | 第15-17页 |
| ·论文的主要工作 | 第17页 |
| ·论文的安排 | 第17-18页 |
| 第2章 人工免疫系统 | 第18-26页 |
| ·引言 | 第18页 |
| ·生物免疫系统 | 第18-21页 |
| ·生物免疫系统的概念 | 第18-19页 |
| ·生物免疫原理 | 第19-20页 |
| ·生物免疫系统的主要特征 | 第20-21页 |
| ·典型的免疫算法 | 第21-24页 |
| ·基本原理 | 第21-22页 |
| ·否定选择算法 | 第22页 |
| ·克隆选择算法 | 第22-24页 |
| ·免疫网络算法 | 第24页 |
| ·人工免疫系统理论在智能故障诊断中的应用分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于可变半径检测器的免疫聚类算法的故障诊断方法研究 | 第26-53页 |
| ·引言 | 第26页 |
| ·否定选择原理及否定选择算法 | 第26-31页 |
| ·基于二进制编码的否定选择算法 | 第27-28页 |
| ·基于实数编码的否定选择算法 | 第28-31页 |
| ·基于可变半径检测器的免疫聚类算法 | 第31-41页 |
| ·算法描述 | 第31-34页 |
| ·VDBICA原始检测器的产生 | 第34-36页 |
| ·检测器的聚类学习过程 | 第36-37页 |
| ·对故障类型进行标注 | 第37-38页 |
| ·故障检测及检测器的更新 | 第38-39页 |
| ·VDBICA参数的确定 | 第39-40页 |
| ·VDBICA可行性分析 | 第40-41页 |
| ·VDBICA在故障诊断中的应用 | 第41-51页 |
| ·基于VDBICA的故障诊断模型 | 第41页 |
| ·数据预处理 | 第41-42页 |
| ·仿真结果及其分析 | 第42-51页 |
| ·本章小结 | 第51-53页 |
| 第4章 基于改进的免疫应答机理的故障诊断方法研究 | 第53-67页 |
| ·引言 | 第53页 |
| ·基于改进的免疫应答机制的故障诊断方法 | 第53-54页 |
| ·算法描述 | 第54-61页 |
| ·抗体和抗原的描述 | 第54-55页 |
| ·亲和力计算 | 第55页 |
| ·遗传算子 | 第55-56页 |
| ·抗体的克隆和超变异 | 第56-58页 |
| ·抗体浓度 | 第58页 |
| ·抗体生存时间值的计算 | 第58-59页 |
| ·算法步骤 | 第59-60页 |
| ·正常/异常状态的判断 | 第60页 |
| ·故障分类准则 | 第60-61页 |
| ·风力发电机组振动故障诊断研究 | 第61-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 总结和展望 | 第67-69页 |
| ·本文总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士期间发表的学术论文 | 第75页 |
| 攻读硕士期间参与的科研项目 | 第75页 |