| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7页 |
| ·故障诊断技术概述与发展现状 | 第7-9页 |
| ·故障诊断技术概述 | 第7-8页 |
| ·故障诊断技术的发展与现状 | 第8-9页 |
| ·粗糙集理论在故障诊断中的应用 | 第9-11页 |
| ·粗糙集理论与神经网络结合的充分性 | 第9页 |
| ·粗糙集理论的研究现状 | 第9-10页 |
| ·粗糙集理论在故障诊断中的应用 | 第10-11页 |
| ·本论文的内容和结构安排 | 第11页 |
| 参考文献 | 第11-13页 |
| 第二章 粗糙集的基本概念及属性约简 | 第13-23页 |
| ·引言 | 第13页 |
| ·粗糙集理论的基本概念 | 第13-17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14-15页 |
| ·属性约简和核 | 第15-17页 |
| ·基于二进制可辨识矩阵的属性约简 | 第17-20页 |
| ·二进制可辨识矩阵属性约简算法 | 第17-18页 |
| ·决策表属性计算中的问题 | 第18-20页 |
| ·改进的二进制可辨识矩阵属性约简算法 | 第20-22页 |
| ·改进算法的提出 | 第20页 |
| ·算法描述 | 第20-21页 |
| ·算法应用 | 第21-22页 |
| ·本章小结 | 第22页 |
| 参考文献 | 第22-23页 |
| 第三章 基于粒子群优化算法连续属性离散化 | 第23-33页 |
| ·引言 | 第23-24页 |
| ·离散化方法简介 | 第24-26页 |
| ·离散化问题描述 | 第24-25页 |
| ·一般的离散化方法 | 第25-26页 |
| ·基于粒子群优化算法连续属性离散化 | 第26-28页 |
| ·粒子群算法 | 第26-28页 |
| ·基于粒子群优化算法连续属性离散化方法描述 | 第28页 |
| ·实例分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 参考文献 | 第32-33页 |
| 第四章 基于粗糙集－神经网络故障诊断方法在TEP 过程中的应用 | 第33-47页 |
| ·引言 | 第33页 |
| ·神经网络相关理论 | 第33-36页 |
| ·BP 神经网络模型 | 第34页 |
| ·BP 网络算法 | 第34-35页 |
| ·基于PSO 优化的BP 网络算法 | 第35-36页 |
| ·粗糙集神经网络的构成 | 第36-37页 |
| ·田纳西－伊斯曼过程（TENNESSEE-EASTMAN PROCESS,TEP） | 第37-41页 |
| ·TEP 简介 | 第37-38页 |
| ·过程变量 | 第38-40页 |
| ·过程故障 | 第40-41页 |
| ·基于粗糙集－神经网络的TEP 故障诊断 | 第41-45页 |
| ·获取故障数据 | 第41-42页 |
| ·故障数据集的知识约简与规则提取 | 第42-44页 |
| ·基于粗糙集－神经网络的TEP 故障诊断 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 参考文献 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士学位期间发表论文 | 第50页 |