| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-22页 |
| ·故障诊断技术的发展及相关意义 | 第10-16页 |
| ·故障诊断的相关概念 | 第16-17页 |
| ·故障诊断的方法分类 | 第17-18页 |
| ·聚类算法在故障诊断中的应用 | 第18-19页 |
| ·本论文研究的意义及主要组织结构 | 第19-20页 |
| ·本论文研究的意义 | 第19页 |
| ·本论文主要组织结构 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第2章 Tennessee Eastman 过程 | 第22-31页 |
| ·TE 过程简介 | 第22-28页 |
| ·TE 过程故障样本说明 | 第28-29页 |
| ·TE 过程的故障诊断方法 | 第29-31页 |
| 第3章 聚类算法 | 第31-40页 |
| ·引言 | 第31页 |
| ·聚类概述 | 第31-35页 |
| ·聚类的定义 | 第32-33页 |
| ·样本间相似性度量 | 第33-34页 |
| ·聚类算法的步骤 | 第34-35页 |
| ·聚类算法的分类 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第4章 改进的模糊 C 均值聚类算法 | 第40-51页 |
| ·引言 | 第40页 |
| ·改进的模糊 C 均值方法 | 第40-43页 |
| ·FCM 算法 | 第40-42页 |
| ·改进的模糊 C 均值方法 | 第42-43页 |
| ·仿真实验研究 | 第43-50页 |
| ·小波数据预处理 | 第43-44页 |
| ·改进的模糊 C 均值方法实验研究 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于概率神经网络与改进模糊 C 均值的故障诊断方法 | 第51-58页 |
| ·引言 | 第51-52页 |
| ·概率神经网络与改进模糊 C 均值相结合的故障诊断方法 | 第52-55页 |
| ·概率神经网络原理 | 第52-53页 |
| ·概率神经网络与改进模糊 C 均值相结合的算法 | 第53-55页 |
| ·实验研究 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第63-64页 |
| 致谢 | 第64-65页 |