| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-13页 |
| 1 绪 论 | 第13-27页 |
| ·课题的提出与研究的意义 | 第13-16页 |
| ·国内外汽轮发电机组振动故障监测与诊断技术发展动态 | 第16-19页 |
| ·发电机组振动故障诊断理论研究的现状 | 第19-24页 |
| ·专家系统在故障诊断中的应用 | 第19-20页 |
| ·神经网络在故障诊断中的应用 | 第20-21页 |
| ·粗糙集理论在故障诊断中的运用 | 第21-22页 |
| ·模糊理论在故障诊断中的应用 | 第22-23页 |
| ·遗传算法在故障诊断中的应用 | 第23-24页 |
| ·本文研究的主要内容 | 第24-27页 |
| 2 汽轮发电机组振动故障诊断中的数据预处理研究 | 第27-39页 |
| ·引言 | 第27页 |
| ·汽轮发电机组振动故障机理分析 | 第27-32页 |
| ·电气机理 | 第27-30页 |
| ·轴系机械故障机理 | 第30-31页 |
| ·热力机理 | 第31-32页 |
| ·汽轮发电机组振动故障征兆的模糊处理 | 第32-38页 |
| ·征兆模糊处理的数学基础 | 第32-33页 |
| ·确定隶属函数常见的方法 | 第33-35页 |
| ·故障征兆的模糊表达 | 第35-38页 |
| ·小结 | 第38-39页 |
| 3 汽轮发电机组振动故障诊断的遗传神经网络算法的研究 | 第39-59页 |
| ·引言 | 第39页 |
| ·神经网络模型及其算法的改进 | 第39-44页 |
| ·BP网络模型及其算法的改进 | 第39-43页 |
| ·模糊BP神经网络模型 | 第43-44页 |
| ·遗传算法的基本原理及过程 | 第44-50页 |
| ·遗传算法的基本原理 | 第44-45页 |
| ·遗传算法的基本步骤 | 第45-50页 |
| ·遗传算法优化BP网络初始化权重 | 第50-54页 |
| ·基本思想 | 第50-51页 |
| ·实现方法 | 第51-54页 |
| ·仿真实验及结果分析 | 第54-57页 |
| ·小结 | 第57-59页 |
| 4 汽轮发电机组振动故障诊断的粗糙集约简算法研究 | 第59-77页 |
| ·引言 | 第59页 |
| ·粗糙集理论概述 | 第59-63页 |
| ·信息系统 | 第59-60页 |
| ·近似空间 | 第60-62页 |
| ·约简与核 | 第62页 |
| ·可辨识矩阵 | 第62-63页 |
| ·粗糙集理论的特点 | 第63页 |
| ·干扰属性对属性约简的影响和改进方法 | 第63-68页 |
| ·干扰属性对属性约简的影响 | 第63-66页 |
| ·改进粗糙集属性约简性能的方法 | 第66-68页 |
| ·基于遗传算法的属性约简算法及实现过程 | 第68-72页 |
| ·粗糙集约简基本算法 | 第68-69页 |
| ·属性约简的多目标遗传优化算法 | 第69-71页 |
| ·基于遗传算法的粗糙集属性约简算法的实现过程 | 第71-72页 |
| ·粗糙集约简运用于汽轮发电机组振动故障诊断的仿真研究 | 第72-76页 |
| ·决策属性表的生成与约简计算 | 第72-74页 |
| ·约简结果的优化与评价 | 第74-76页 |
| ·小结 | 第76-77页 |
| 5 汽轮发电机组振动故障集成诊断网络的研究 | 第77-95页 |
| ·引言 | 第77页 |
| ·汽轮发电机组振动故障诊断规则的分层发现 | 第77-84页 |
| ·规则分层发现的原理 | 第77-78页 |
| ·汽轮发电机组振动故障规则的分层发现方法 | 第78-82页 |
| ·实例验证及应用分析 | 第82-84页 |
| ·基于粗糙集理论的汽轮发电机组振动故障神经网络诊断方法 | 第84-86页 |
| ·基于粗糙集理论的神经网络的基本思想 | 第84-85页 |
| ·实例验证及应用分析 | 第85-86页 |
| ·汽轮发电机组振动故障集成诊断网络的原理与运用 | 第86-93页 |
| ·模型结构与工作过程 | 第86-91页 |
| ·集成诊断网络的特点 | 第91页 |
| ·应用实例 | 第91-93页 |
| ·小结 | 第93-95页 |
| 6 结论与展望 | 第95-97页 |
| ·主要结论 | 第95-96页 |
| ·后续工作展望 | 第96-97页 |
| 致 谢 | 第97-99页 |
| 参考文献 | 第99-107页 |
| 附录:作者在攻读博士学位期间发表的论文及承担的课题 | 第107-108页 |
