基于贝叶斯网络的水泥回转窑故障诊断系统的研究
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-15页 |
1.1 课题研究背景及意义 | 第10-11页 |
1.2 贝叶斯网络的发展 | 第11页 |
1.3 故障诊断技术的国内外研究现状 | 第11-13页 |
1.4 论文章节安排与主要研究内容 | 第13-15页 |
第2章 贝叶斯网络理论基础研究 | 第15-27页 |
2.1 贝叶斯网络相关基础知识 | 第15-19页 |
2.1.1 概率论基础知识 | 第15-17页 |
2.1.2 图论基础知识 | 第17-18页 |
2.1.3 信息论基础知识 | 第18-19页 |
2.2 贝叶斯网络的定义 | 第19页 |
2.3 贝叶斯网络学习 | 第19-26页 |
2.3.1 贝叶斯网络结构学习 | 第20-21页 |
2.3.2 贝叶斯网络参数学习 | 第21-23页 |
2.3.3 贝叶斯网络推理 | 第23-26页 |
2.4 本章小结 | 第26-27页 |
第3章 基于爬山法的贝叶斯网络结构学习改进算法 | 第27-37页 |
3.1 经典爬山法基本原理 | 第27-28页 |
3.2 SHC算法基本原理 | 第28-30页 |
3.2.1 最大支撑树 | 第28-29页 |
3.2.2 简化爬山法 | 第29-30页 |
3.3 SHC算法流程图与算法实现 | 第30-32页 |
3.3.1 SHC算法流程图 | 第30页 |
3.3.2 SHC算法实现 | 第30-32页 |
3.4 SHC算法仿真实验 | 第32-36页 |
3.4.1 基于Asia网络的仿真实验 | 第33-34页 |
3.4.2 基于Alarm网络的仿真实验 | 第34-36页 |
3.5 本章小结 | 第36-37页 |
第4章 基于蚁群算法的贝叶斯网络结构学习改进算法 | 第37-46页 |
4.1 经典蚁群算法 | 第37-38页 |
4.2 改进蚁群算法 | 第38-42页 |
4.2.1 改进蚁群算法基本原理 | 第38-39页 |
4.2.2 改进蚁群算法模型特征 | 第39-40页 |
4.2.3 改进蚁群算法流程图 | 第40页 |
4.2.4 改进蚁群算法实施步骤 | 第40-42页 |
4.3 改进蚁群算法仿真实验 | 第42-43页 |
4.4 两种改进算法结果的比较 | 第43-45页 |
4.5 本章小结 | 第45-46页 |
第5章 水泥回转窑故障诊断系统研究 | 第46-57页 |
5.1 水泥回转窑概况 | 第46-48页 |
5.2 水泥回转窑贝叶斯网络模型建立 | 第48-52页 |
5.2.1 水泥回转窑故障诊断系统模型变量选取 | 第49页 |
5.2.2 变量的数据采集与量化 | 第49-50页 |
5.2.3 贝叶斯网络模型建立 | 第50-52页 |
5.3 水泥回转窑贝叶斯网络参数学习 | 第52-53页 |
5.4 水泥回转窑贝叶斯网络推理诊断 | 第53-56页 |
5.5 本章小结 | 第56-57页 |
结论 | 第57-58页 |
参考文献 | 第58-63页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第63-64页 |
致谢 | 第64页 |