致谢 | 第3-4页 |
摘要 | 第4-5页 |
abstract | 第5-6页 |
1 绪论 | 第14-22页 |
1.1 研究背景和意义 | 第14-16页 |
1.2 煤矿带式输送机故障诊断现状 | 第16-19页 |
1.3 本文主要研究内容 | 第19-20页 |
1.4 本文的组织结构 | 第20-22页 |
2 煤矿带式输送机故障机理研究 | 第22-30页 |
2.1 煤矿带式输送机故障特点 | 第22-23页 |
2.2 煤矿带式输送机故障机理 | 第23-29页 |
2.3 本章小结 | 第29-30页 |
3 粗糙集理论与属性约简 | 第30-40页 |
3.1 粗糙集理论 | 第30-32页 |
3.2 粗糙集属性约简 | 第32-36页 |
3.3 改进的近似依赖度启发式属性约简算法 | 第36-39页 |
3.4 本章小结 | 第39-40页 |
4 BP神经网络和L-M优化算法 | 第40-53页 |
4.1 基于SOM的连续属性离散化方法 | 第40-43页 |
4.2 人工神经网络 | 第43-45页 |
4.3 BP神经网络 | 第45-51页 |
4.4 粗糙集-BP神经网络故障诊断模型 | 第51-52页 |
4.5 本章小结 | 第52-53页 |
5 基于APRS与L-MBP神经网络的故障诊断模型研究 | 第53-68页 |
5.1 APRSL-MBP神经网络故障诊断系统总体结构设计 | 第53-54页 |
5.2 故障诊断样本采集及预处理 | 第54-61页 |
5.3 煤矿带式输送机故障诊断模型的建立 | 第61-66页 |
5.4 本章小结 | 第66-68页 |
6 总结与展望 | 第68-70页 |
6.1 全文总结 | 第68-69页 |
6.2 工作展望 | 第69-70页 |
参考文献 | 第70-75页 |
作者简历 | 第75-77页 |
学位论文数据集 | 第77页 |