基于改进贝叶斯网络的故障诊断优化算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 故障诊断技术的国内外研究现状 | 第11-12页 |
| 1.3 贝叶斯网络的研究现状 | 第12-14页 |
| 1.4 贝叶斯网络在故障诊断中的应用现状 | 第14页 |
| 1.5 论文章节安排与主要研究内容 | 第14-16页 |
| 第2章 基于蚁群算法的贝叶斯网络改进算法 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 经典蚁群算法 | 第16-18页 |
| 2.3 I-PACO算法研究 | 第18-22页 |
| 2.3.1 I-PACO算法构建原理 | 第18-21页 |
| 2.3.2 I-PACO算法实现 | 第21-22页 |
| 2.4 I-PACO算法仿真实验 | 第22-26页 |
| 2.4.1 基于Asia、Car网络的仿真实验 | 第22-24页 |
| 2.4.2 基于Alarm网络的仿真实验 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于TS的贝叶斯网络改进算法 | 第27-37页 |
| 3.1 引言 | 第27页 |
| 3.2 禁忌搜索算法 | 第27-28页 |
| 3.3 I-KL-TS算法研究 | 第28-33页 |
| 3.3.1 相对熵 | 第29-30页 |
| 3.3.2 I-KL-TS算法基本原理 | 第30-31页 |
| 3.3.3 I-KL-TS算法实现步骤 | 第31-33页 |
| 3.4 I-KL-TS算法仿真实验 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 贝叶斯网络改进算法验证 | 第37-53页 |
| 4.1 引言 | 第37页 |
| 4.2 水泥回转窑工艺参数选择 | 第37-40页 |
| 4.2.1 新型干法水泥生产原理 | 第37-38页 |
| 4.2.2 回转窑数据收集与变量分析 | 第38-40页 |
| 4.3 I-PACO算法验证 | 第40-47页 |
| 4.3.1 变量选取及数据量化 | 第40-41页 |
| 4.3.2 贝叶斯网络模型建立 | 第41-43页 |
| 4.3.3 贝叶斯网络模型参数学习 | 第43-44页 |
| 4.3.4 贝叶斯网络模型诊断推理 | 第44-47页 |
| 4.4 I-KL-TS算法验证 | 第47-52页 |
| 4.4.1 变量选取及模型建立 | 第47-49页 |
| 4.4.2 贝叶斯网络模型参数学习 | 第49-50页 |
| 4.4.3 贝叶斯网络模型诊断推理 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第58-59页 |
| 致谢 | 第59页 |
