| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-20页 |
| ·论文研究背景及意义 | 第12-14页 |
| ·故障诊断国内外研究现状 | 第14-17页 |
| ·故障诊断国外研究现状 | 第14-15页 |
| ·故障诊断国内研究现状 | 第15-17页 |
| ·论文的主要研究内容 | 第17-19页 |
| ·论文的组织结构 | 第19-20页 |
| 第二章 BP 神经网络和数据预处理 | 第20-33页 |
| ·人工神经网络 | 第20-21页 |
| ·BP 神经网络 | 第21-27页 |
| ·BP 神经网络结构 | 第21-23页 |
| ·标准 BP 算法 | 第23-26页 |
| ·BP 神经网络的优缺点 | 第26-27页 |
| ·数据预处理 | 第27-31页 |
| ·小波去噪 | 第27-29页 |
| ·特征提取 | 第29-31页 |
| ·本章小结 | 第31-33页 |
| 第三章 一种新的改进 PSO-BP 神经网络算法 | 第33-45页 |
| ·粒子群算法分析 | 第33-36页 |
| ·基本粒子群算法 | 第33-34页 |
| ·带惯性权重的 PSO 算法 | 第34-35页 |
| ·带压缩因子的 PSO 算法 | 第35-36页 |
| ·改进的粒子群算法 | 第36-41页 |
| ·精英学习策略的 PSO 算法 | 第36-38页 |
| ·改进算法的基本思想 | 第38页 |
| ·惯性权重的改进 | 第38-39页 |
| ·学习因子的改进 | 第39-41页 |
| ·IPSO-BP 算法 | 第41-44页 |
| ·IPSO-BP 模型 | 第41-42页 |
| ·IPSO-BP 算法流程 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于 D-S 理论的亚健康识别算法 | 第45-56页 |
| ·D-S 证据理论 | 第45-49页 |
| ·D-S 证据理论基本概念 | 第45-47页 |
| ·D-S 证据理论的融合规则 | 第47-48页 |
| ·D-S 证据理论决策方法 | 第48-49页 |
| ·亚健康 | 第49-51页 |
| ·基于 D-S 理论的亚健康算法 | 第51-55页 |
| ·D-S 证据理论的优点 | 第51页 |
| ·D-S 证据理论与神经网络的两级融合 | 第51-53页 |
| ·融合算法流程 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 实验结果及分析 | 第56-66页 |
| ·实验装置及数据采集 | 第56-57页 |
| ·改进粒子群优化 BP 神经网络的故障诊断仿真实验 | 第57-61页 |
| ·实验结果 | 第57-60页 |
| ·实验分析 | 第60-61页 |
| ·基于 D-S 理论的亚健康识别算法的故障仿真实验 | 第61-65页 |
| ·实验结果 | 第61-64页 |
| ·实验分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·总结 | 第66-67页 |
| ·展望 | 第67-68页 |
| 致谢 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 攻读学位期间发表的学术论文及参加科研情况 | 第73-74页 |