粗糙集与神经网络在聚合釜故障诊断中的方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·研究背景和意义 | 第11-12页 |
| ·故障诊断技术及其评价指标和研究内容 | 第12-14页 |
| ·基本概念 | 第12-13页 |
| ·评价指标 | 第13页 |
| ·研究内容 | 第13-14页 |
| ·研究现状 | 第14-16页 |
| ·粗糙集理论在故障诊断中的研究现状 | 第14-15页 |
| ·神经网络在故障诊断中的研究现状 | 第15-16页 |
| ·神经网络与粗糙集在故障诊断中结合的可行性 | 第16页 |
| ·本文主要内容 | 第16-19页 |
| 第2章 粗糙集理论与属性约简研究 | 第19-29页 |
| ·粗糙集的基本概念 | 第19-21页 |
| ·决策规则 | 第21页 |
| ·基于粗糙集理论的属性约简 | 第21-23页 |
| ·一般方法的属性约简 | 第21-22页 |
| ·相对属性约简 | 第22-23页 |
| ·属性的重要性 | 第23页 |
| ·基于差别矩阵改进算法的属性约简 | 第23-29页 |
| ·差别矩阵的定义 | 第24页 |
| ·基于差别矩阵的属性约简算法 | 第24-25页 |
| ·差别矩阵改进算法在聚合釜故障中的应用 | 第25-29页 |
| 第3章 神经网络基础与BP算法研究 | 第29-51页 |
| ·神经网络概述 | 第29-32页 |
| ·神经元模型 | 第29-30页 |
| ·神经网络特点 | 第30页 |
| ·神经网络的基本功能 | 第30-32页 |
| ·神经网络的基本要素 | 第32-35页 |
| ·神经元激活函数 | 第32-34页 |
| ·神经元之间的连接形式 | 第34-35页 |
| ·神经网络的学习过程 | 第35页 |
| ·BP神经网络 | 第35-40页 |
| ·BP神经网络结构 | 第35-36页 |
| ·BP神经网络的训练过程 | 第36-37页 |
| ·BP神经网络的基本学习算法 | 第37-40页 |
| ·BP算法的局限性及算法改进 | 第40-51页 |
| ·基本BP算法的局限性 | 第40-42页 |
| ·BP算法的改进 | 第42-46页 |
| ·基于改进BP算法的聚合釜故障诊断仿真比较 | 第46-51页 |
| 第4章 聚合釜故障诊断的仿真研究 | 第51-71页 |
| ·聚合釜常见故障及原因 | 第51-52页 |
| ·粗糙集神经网络故障诊断系统总体结构设计 | 第52-53页 |
| ·聚合釜故障诊断的条件属性约简 | 第53-61页 |
| ·聚合釜故障诊断系统模型的建立 | 第61-64页 |
| ·BP网络各层节点数确定 | 第62-63页 |
| ·初始权值的选择 | 第63页 |
| ·期望误差和学习率选取 | 第63-64页 |
| ·聚合釜故障诊断的MATLAB仿真研究 | 第64-71页 |
| ·聚合釜故障样本的选取 | 第64页 |
| ·聚合釜运行历史数据预处理 | 第64-66页 |
| ·BP网络激活函数的选取 | 第66页 |
| ·BP网络学习算法的选择 | 第66页 |
| ·BP网络训练与仿真研究 | 第66-71页 |
| 第5章 结论与展望 | 第71-73页 |
| ·结论 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
