| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 1. 绪论 | 第10-19页 |
| ·课题研究背景 | 第10-11页 |
| ·聚氯乙烯(PVC)聚合生产过程 | 第11-12页 |
| ·故障诊断技术的基本原理 | 第12-13页 |
| ·基于神经网络的故障诊断方法研究 | 第13-18页 |
| ·BP 神经网络 | 第15页 |
| ·SOM 神经网络 | 第15-16页 |
| ·概率神经网络 | 第16-17页 |
| ·径向基神经网络 | 第17页 |
| ·支持向量机 | 第17-18页 |
| ·本文的主要内容和结构安排 | 第18-19页 |
| 2. 基于粒子群算法的 SOM 神经网络聚合釜故障诊断方法 | 第19-37页 |
| ·引言 | 第19页 |
| ·SOM 神经网络 | 第19-25页 |
| ·SOM 网络结构 | 第19-20页 |
| ·SOM 神经网络的原理 | 第20-23页 |
| ·SOM 神经网络学习算法流程 | 第23-25页 |
| ·基于改进的粒子群算法优化 SOM 神经网络 | 第25-29页 |
| ·粒子群算法的基本原理 | 第25-27页 |
| ·改进的粒子群算法 | 第27-28页 |
| ·算法流程 | 第28-29页 |
| ·仿真研究 | 第29-36页 |
| ·小结 | 第36-37页 |
| 3. 基于遗传算法的粗糙集-概率神经网络聚合釜故障诊断方法 | 第37-51页 |
| ·引言 | 第37页 |
| ·概率神经网络 | 第37-40页 |
| ·PNN 的结构 | 第37-39页 |
| ·PNN 的学习算法 | 第39-40页 |
| ·基于遗传算法的粗糙集-概率神经网络 | 第40-47页 |
| ·遗传算法 | 第40-43页 |
| ·粗糙集 | 第43-44页 |
| ·遗传算法优化的粗糙集-概率神经网络 | 第44-47页 |
| ·仿真研究 | 第47-50页 |
| ·小结 | 第50-51页 |
| 4. 基于布谷鸟搜索算法的支持向量机聚合釜故障诊断策略 | 第51-67页 |
| ·引言 | 第51页 |
| ·支持向量机 | 第51-56页 |
| ·支持向量机的结构 | 第51-52页 |
| ·SVM 的分类 | 第52-56页 |
| ·基于改进的布谷鸟算法优化支持向量机 | 第56-63页 |
| ·布谷鸟算法的基本原理 | 第56-59页 |
| ·改进的布谷鸟算法 | 第59-62页 |
| ·改进的 CS 算法优化 SVM | 第62-63页 |
| ·仿真研究 | 第63-66页 |
| ·小结 | 第66-67页 |
| 5. 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表学术论文情况 | 第72-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74-75页 |
