| 中文摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-25页 |
| ·选题背景及意义 | 第11-12页 |
| ·本课题的国内外研究现状 | 第12-15页 |
| ·国外故障诊断技术发展 | 第12-13页 |
| ·国内故障诊断技术的发展 | 第13-15页 |
| ·故障诊断常用的方法 | 第15-20页 |
| ·基于离散事件的方法 | 第16页 |
| ·基于信号处理的方法 | 第16-18页 |
| ·基于解析模型的方法 | 第18页 |
| ·基于知识的方法 | 第18-20页 |
| ·基于贝叶斯网络的故障诊断方法 | 第20-23页 |
| ·贝叶斯网络的发展与研究现状 | 第20-22页 |
| ·贝叶斯网络应用于故障诊断的优势 | 第22-23页 |
| ·本文完成的主要工作 | 第23-25页 |
| 第二章 贝叶斯网络的表示、学习和推理 | 第25-49页 |
| ·引言 | 第25页 |
| ·贝叶斯网络的表示 | 第25-27页 |
| ·贝叶斯网络的条件独立假设与d-分离 | 第26-27页 |
| ·单连通和多连通贝叶斯网络 | 第27页 |
| ·贝叶斯网络的参数学习 | 第27-32页 |
| ·贝叶斯网络的结构学习 | 第32-37页 |
| ·基于评分的贝叶斯网络结构学习 | 第33-36页 |
| ·基于条件独立性测试的贝叶斯网络结构学习 | 第36-37页 |
| ·贝叶斯网络推理 | 第37-48页 |
| ·贝叶斯网络的精确推理算法 | 第37-43页 |
| ·贝叶斯网络的近似推理算法 | 第43-44页 |
| ·贝叶斯网络推理程序框架 | 第44-48页 |
| ·小结 | 第48-49页 |
| 第三章 贝叶斯网络的简化推理算法 | 第49-64页 |
| ·引言 | 第49页 |
| ·贝叶斯网络中的独立关系 | 第49-52页 |
| ·条件独立关系 | 第49-50页 |
| ·上下文独立关系 | 第50-51页 |
| ·因果影响独立关系 | 第51-52页 |
| ·贝叶斯网络结构简化方法 | 第52-56页 |
| ·应用条件独立关系简化 | 第52-54页 |
| ·剪切无关节点方法 | 第54-55页 |
| ·预计算方法 | 第55-56页 |
| ·剪切无关节点方法与预计算方法的分析与比较 | 第56页 |
| ·实例分析 | 第56-57页 |
| ·贝叶斯网络概率推理中的空间优化方法 | 第57-63页 |
| ·递归调节算法（RC 算法） | 第58-60页 |
| ·内存分配问题 | 第60-62页 |
| ·时间—空间曲线 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第四章 贝叶斯网络在汽轮机故障诊断中的应用 | 第64-82页 |
| ·引言 | 第64页 |
| ·汽轮机常见异常振动概述 | 第64-65页 |
| ·振动信号的频域特征分析 | 第65-75页 |
| ·转子不平衡的频谱征兆 | 第66-69页 |
| ·转子动静碰摩的故障频谱征兆 | 第69-71页 |
| ·不对中故障的频谱征兆 | 第71-72页 |
| ·轴承松动故障的频谱征兆 | 第72-74页 |
| ·油膜涡动与油膜振荡故障的频谱征兆 | 第74-75页 |
| ·基于贝叶斯网络知识表示 | 第75-77页 |
| ·基于贝叶斯网络的诊断模型的建立 | 第77-78页 |
| ·专家系统中的推理机制 | 第78-79页 |
| ·实例分析 | 第79-80页 |
| ·小结 | 第80-82页 |
| 第五章 基于主成分分析法与贝叶斯网络的汽轮机故障诊断方法 | 第82-92页 |
| ·引言 | 第82页 |
| ·主成分分析法 | 第82-86页 |
| ·主成分分析算法 | 第83-85页 |
| ·主成分的特性 | 第85页 |
| ·主成分的贡献率 | 第85-86页 |
| ·仿真研究 | 第86-89页 |
| ·基于模式识别技术的汽轮机故障诊断 | 第86-87页 |
| ·主成分分析用于汽轮机故障样本特征提取 | 第87-89页 |
| ·基于主成分分析方法和贝叶斯网络的汽轮机故障诊断 | 第89-91页 |
| ·诊断模型的建立 | 第89-90页 |
| ·诊断结果分析比较 | 第90-91页 |
| ·小结 | 第91-92页 |
| 第六章 基于粗糙集理论与贝叶斯网络的汽轮机故障诊断方法 | 第92-103页 |
| ·引言 | 第92-93页 |
| ·粗糙集理论简介 | 第93页 |
| ·基于粗糙集理论的知识约简 | 第93-98页 |
| ·一般知识约简 | 第93-95页 |
| ·相对知识约简 | 第95-98页 |
| ·决策表化简 | 第98页 |
| ·基于粗糙集理论的汽轮机诊断规则提取 | 第98-100页 |
| ·基于粗糙集理论和贝叶斯网络的汽轮机故障诊断模型的建立 | 第100-101页 |
| ·小结 | 第101-103页 |
| 第七章 结论与展望 | 第103-105页 |
| ·论文的主要工作和创新点 | 第103-104页 |
| ·本课题进一步的研究设想 | 第104-105页 |
| 参考文献 | 第105-113页 |
| 致谢 | 第113-114页 |
| 个人简历、在学期间参加的科研工作及学术论文发表 | 第114-115页 |
