| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-19页 |
| ·课题的背景与意义 | 第10-11页 |
| ·智能故障诊断的研究与发展 | 第11-13页 |
| ·智能优化算法的研究和发展 | 第13-16页 |
| ·遗传算法的研究和发展 | 第13-14页 |
| ·蚁群算法的研究与发展 | 第14-16页 |
| ·船舶柴油机故障诊断的研究现状 | 第16-17页 |
| ·论文的研究内容 | 第17-19页 |
| 第2章 船舶柴油机故障诊断 | 第19-30页 |
| ·船舶柴油机故障诊断技术概述 | 第19-27页 |
| ·船舶柴油机故障的性质 | 第19-20页 |
| ·船舶柴油机故障诊断过程 | 第20-22页 |
| ·船舶柴油机特征提取 | 第22-27页 |
| ·船舶柴油机故障诊断特征参量 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于FNN的船舶柴油机故障诊断方法研究 | 第30-52页 |
| ·模糊理论概述 | 第30-35页 |
| ·模糊集合的定义 | 第30-33页 |
| ·模糊关系及模糊推理 | 第33-35页 |
| ·神经网络理论 | 第35-40页 |
| ·神经网络的基本原理 | 第35-36页 |
| ·多层前馈网络—BP网络 | 第36-39页 |
| ·多层前向神经网络的非线性逼近能力 | 第39-40页 |
| ·模糊神经网络的结构及学习算法 | 第40-47页 |
| ·基于标准模型的模糊神经网络 | 第40-43页 |
| ·基于T-S模型的模糊神经网络 | 第43-47页 |
| ·基于FNN的船舶柴油机智能故障诊断 | 第47-51页 |
| ·模糊神经网络学习样本 | 第47-48页 |
| ·模糊神经网络结构模型 | 第48-50页 |
| ·仿真结果与分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 遗传算法优化的FNN船舶柴油机故障诊断研究 | 第52-67页 |
| ·遗传算法的概述 | 第52-54页 |
| ·遗传算法的基本思想 | 第52-53页 |
| ·遗传算法的特点 | 第53-54页 |
| ·遗传算法的流程 | 第54-55页 |
| ·遗传算法基本原理 | 第55-64页 |
| ·编码问题 | 第55-57页 |
| ·适应度函数 | 第57-59页 |
| ·选择问题 | 第59-60页 |
| ·交叉/基因重组运算 | 第60-62页 |
| ·变异运算 | 第62-63页 |
| ·主要参数的选择 | 第63-64页 |
| ·遗传算法优化的FNN的船舶柴油机故障诊断 | 第64-66页 |
| ·遗传算法优化的FNN的步骤 | 第64-65页 |
| ·遗传算法优化的FNN的智能故障诊断仿真研究及结果分析 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 蚁群算法优化训练的FNN船舶柴油机故障诊断研究 | 第67-82页 |
| ·蚁群算法概述 | 第67页 |
| ·蚁群算法的研究 | 第67-70页 |
| ·用于离散优化问题的算法 | 第67-69页 |
| ·用于连续优化问题的算法 | 第69-70页 |
| ·蚁群算法基本原理 | 第70-72页 |
| ·蚁群算法框架 | 第72-78页 |
| ·蚁群算法优化的FNN的船舶柴油机故障诊断 | 第78-80页 |
| ·蚁群算法优化的FNN的步骤 | 第78-79页 |
| ·蚁群算法优化的FNN的故障诊断仿真结果及分析研究 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第89-90页 |
| 致谢 | 第90页 |
