| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 故障诊断技术的发展现状 | 第10页 |
| 1.3 贝叶斯网络研究现状 | 第10-11页 |
| 1.4 水泥回转窑故障诊断发展现状 | 第11-12页 |
| 1.5 论文章节安排与主要研究内容 | 第12-14页 |
| 第2章 贝叶斯网络基本理论研究 | 第14-28页 |
| 2.1 贝叶斯网络概述 | 第14-15页 |
| 2.1.1 基本概念 | 第14-15页 |
| 2.1.2 贝叶斯网络定义 | 第15页 |
| 2.2 贝叶斯网络结构学习 | 第15-20页 |
| 2.2.1 K2 算法 | 第16-17页 |
| 2.2.2 爬山法 | 第17-19页 |
| 2.2.3 SEM算法 | 第19-20页 |
| 2.3 贝叶斯网络参数学习 | 第20-25页 |
| 2.3.1 最大似然估计 | 第20-22页 |
| 2.3.2 贝叶斯估计 | 第22-24页 |
| 2.3.3 EM算法 | 第24-25页 |
| 2.4 贝叶斯网络推理 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 改进的贝叶斯网络参数学习算法 | 第28-39页 |
| 3.1 遗传算法的基本原理 | 第28-30页 |
| 3.2 GSA算法 | 第30-34页 |
| 3.2.1 GSA算法的流程 | 第30-31页 |
| 3.2.2 GSA算法的具体步骤 | 第31-34页 |
| 3.3 仿真实验 | 第34-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于贝叶斯网络的水泥回转窑故障诊断分析 | 第39-47页 |
| 4.1 水泥回转窑煅烧工艺及主要工艺参数 | 第39-41页 |
| 4.1.1 水泥回转窑煅烧工艺 | 第39-40页 |
| 4.1.2 水泥回转窑主要工艺参数 | 第40-41页 |
| 4.2 水泥回转窑的贝叶斯故障诊断网络的建立 | 第41-44页 |
| 4.2.1 水泥回转窑贝叶斯网络模型的建立 | 第41-42页 |
| 4.2.2 水泥回转窑贝叶斯网络模型的参数学习 | 第42-44页 |
| 4.3 应用贝叶斯网络的诊断模型进行诊断分析 | 第44-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 基于贝叶斯网络的水泥回转窑故障预测 | 第47-55页 |
| 5.1 水泥回转窑的贝叶斯故障预测网络概述 | 第47-48页 |
| 5.2 水泥回转窑贝叶斯故障预测网络模型的建立 | 第48-49页 |
| 5.3 水泥回转窑贝叶斯故障预测网络模型的参数学习 | 第49-52页 |
| 5.4 应用预测模型进行预测推理 | 第52-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第61-62页 |
| 致谢 | 第62-63页 |
| 作者简介 | 第63页 |