| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·汽轮发电机组故障诊断技术发展背景 | 第10-11页 |
| ·故障诊断研究现状 | 第11-13页 |
| ·常见的智能故障诊断方法 | 第13-15页 |
| ·专家系统故障诊断方法 | 第13-14页 |
| ·模糊逻辑故障诊断方法 | 第14页 |
| ·神经网络故障诊断方法 | 第14-15页 |
| ·故障树故障诊断方法 | 第15页 |
| ·基于案例的故障诊断方法 | 第15页 |
| ·本论文研究的目的与意义 | 第15-16页 |
| ·论文的主要内容和工作 | 第16-17页 |
| ·本论文研究的主要内容 | 第16页 |
| ·本论文完成的主要工作 | 第16-17页 |
| 第2章 基于决策树C4.5诊断的理论基础 | 第17-27页 |
| ·数据挖掘概述 | 第17-18页 |
| ·决策树简介 | 第18-21页 |
| ·决策树概念和原理 | 第18页 |
| ·决策树的创建 | 第18-19页 |
| ·信息熵理论 | 第19-21页 |
| ·决策树算法的选取 | 第21页 |
| ·C4.5算法原理和步骤 | 第21-24页 |
| ·决策树剪枝方法选取 | 第24-25页 |
| ·基于决策树的诊断规则提取 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第3章 基于模糊逻辑的故障诊断理论 | 第27-39页 |
| ·模糊逻辑的产生 | 第27页 |
| ·模糊逻辑基本含义 | 第27-28页 |
| ·模糊逻辑的主要内容 | 第28-29页 |
| ·模糊模式识别 | 第29-32页 |
| ·模式识别的基本过程 | 第29页 |
| ·模式采集 | 第29-30页 |
| ·特征选择和提取 | 第30页 |
| ·模式识别方法 | 第30-31页 |
| ·基于模糊(FUZZY)理论的识别方法 | 第31页 |
| ·模糊模式识别的特点 | 第31-32页 |
| ·构造隶属函数和模糊逻辑推理系统 | 第32-36页 |
| ·隶属函数 | 第32页 |
| ·几种主要的隶属函数 | 第32-35页 |
| ·梯形隶属函数的选择 | 第35页 |
| ·模糊集合的表示方法 | 第35-36页 |
| ·模糊逻辑推理的模糊条件语句 | 第36页 |
| ·模糊逻辑的计算机实现 | 第36-37页 |
| ·基于模糊逻辑的决策树转子故障诊断模型 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 决策树C4.5-FIS模糊逻辑算法模型在故障诊断中的应用 | 第39-79页 |
| ·汽轮机常见异常振动概述 | 第39-40页 |
| ·常见振动故障机理和特征 | 第40-45页 |
| ·本论文采用的C4.5-FIS故障诊断方法介绍 | 第45-46页 |
| ·基于统计参数的特征提取 | 第46-48页 |
| ·转子实验系统 | 第48-51页 |
| ·转子实验台硬件组成 | 第48-50页 |
| ·软件系统 | 第50-51页 |
| ·系统连接原理 | 第51页 |
| ·振动信号采集 | 第51-53页 |
| ·决策树C4.5算法的应用 | 第53-67页 |
| ·统计特征参数的计算 | 第53-56页 |
| ·数据预处理 | 第56-58页 |
| ·构造决策树 | 第58-67页 |
| ·MATLAB模糊逻辑工具箱应用于转子振动故障诊断模型 | 第67-74页 |
| ·建立模糊推理系统 | 第67页 |
| ·构造隶属函数 | 第67-71页 |
| ·模糊规则 | 第71-73页 |
| ·模糊诊断规则的检验 | 第73-74页 |
| ·SIMULINK显示模型 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 第5章 结论与展望 | 第79-81页 |
| ·研究内容与成果 | 第79页 |
| ·建议与展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表的论文 | 第84-85页 |
| 致谢 | 第85页 |