| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的提出和意义 | 第10页 |
| 1.2 柴油机故障诊断方法概述 | 第10-12页 |
| 1.3 数据挖掘技术概述 | 第12-14页 |
| 1.3.1 数据挖掘的定义 | 第12页 |
| 1.3.2 数据挖掘常用方法 | 第12-13页 |
| 1.3.3 数据挖掘的应用 | 第13-14页 |
| 1.4 数据挖掘技术在故障诊断领域的发展和现状 | 第14-15页 |
| 1.5 论文研究内容与结构安排 | 第15-16页 |
| 第2章 舰船柴油机故障分析 | 第16-26页 |
| 2.1 舰船柴油机的基本结构和工作机理 | 第16页 |
| 2.2 舰船柴油机系统层次分析 | 第16-20页 |
| 2.2.1 舰船柴油机的故障特性 | 第17-18页 |
| 2.2.2 柴油机故障分类 | 第18页 |
| 2.2.3 舰船柴油机系统分层 | 第18-20页 |
| 2.3 各个子系统常见故障与原因分析 | 第20-25页 |
| 2.3.1 燃油系统常见故障分析及产生原因 | 第20-22页 |
| 2.3.2 润滑系统常见故障分析及产生原因 | 第22-23页 |
| 2.3.3 进排气系统常见故障分析及产生原因 | 第23-24页 |
| 2.3.4 冷却系统常见故障分析及产生原因 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于SVM的舰船柴油机各子系统故障诊断 | 第26-48页 |
| 3.1 支持向量机的基本原理 | 第26-34页 |
| 3.1.1 支持向量机简介 | 第26页 |
| 3.1.2 线性支持向量机解决线性可分问题 | 第26-29页 |
| 3.1.3 广义线性支持向量机解决线性不可分问题 | 第29-31页 |
| 3.1.4 非线性支持向量机 | 第31-32页 |
| 3.1.5 支持向量机的多分类问题 | 第32-34页 |
| 3.2 基于SVM的燃油子系统故障诊断 | 第34-38页 |
| 3.2.1 燃油子系统故障数据获取 | 第34-35页 |
| 3.2.2 燃油子系统故障分类诊断 | 第35-38页 |
| 3.3 基于SVM的润滑子系统故障诊断 | 第38-41页 |
| 3.3.1 润滑子系统故障数据获取 | 第38-39页 |
| 3.3.2 润滑子系统故障分类诊断 | 第39-41页 |
| 3.4 基于SVM的进排气子系统故障诊断 | 第41-44页 |
| 3.4.1 进排气子系统故障数据获取 | 第41-42页 |
| 3.4.2 进排气子系统故障分类诊断 | 第42-44页 |
| 3.5 基于SVM的冷却子系统故障诊断 | 第44-47页 |
| 3.5.1 冷却子系统故障数据获取 | 第44-45页 |
| 3.5.2 冷却系统故障分类诊断 | 第45-47页 |
| 3.6 本章小结 | 第47-48页 |
| 第4章 基于关联规则的舰船柴油机全系统故障分析 | 第48-60页 |
| 4.1 关联规则算法 | 第48-52页 |
| 4.1.1 关联规则相关概念定义 | 第48-49页 |
| 4.1.2 关联规则挖掘步骤 | 第49-52页 |
| 4.2 舰船柴油机关联故障挖掘 | 第52-57页 |
| 4.2.1 事务数据库的建立 | 第52-54页 |
| 4.2.2 挖掘频繁项集 | 第54-55页 |
| 4.2.3 生成关联规则 | 第55-57页 |
| 4.3 挖掘结果与分析 | 第57-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 舰船柴油机状态监控及故障诊断仿真系统的设计与实现 | 第60-72页 |
| 5.1 系统开发流程 | 第60-61页 |
| 5.2 系统设计及组成 | 第61-67页 |
| 5.2.1 人机交互界面的设计 | 第61-62页 |
| 5.2.2 数据挖掘算法的设计与训练 | 第62-64页 |
| 5.2.3 KEPSeverEx V4.0服务器的配置与设计 | 第64-67页 |
| 5.3 系统运行结果展示 | 第67-70页 |
| 5.4 本章小结 | 第70-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 攻读硕士研究生期间发表的论文和取得的科研成果 | 第80-82页 |
| 致谢 | 第82页 |