| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 引言 | 第9-12页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·基于遗传算法的粗糙集属性约简的研究现状 | 第10页 |
| ·基于遗传算法的支持向量机研究情况 | 第10页 |
| ·论文结构与内容 | 第10-12页 |
| 第2章 常见汽轮机振动故障分析 | 第12-23页 |
| ·汽轮机组振动故障诊断的一般体系结构 | 第12-14页 |
| ·汽轮机常见故障分析 | 第14-21页 |
| ·转子不平衡 | 第14-17页 |
| ·动静碰磨 | 第17-19页 |
| ·油膜振荡 | 第19页 |
| ·转子不对中 | 第19-20页 |
| ·转子裂纹 | 第20页 |
| ·支撑系统松动 | 第20-21页 |
| ·机组常见振动故障特征 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 基于遗传算法的粗糙集属性约简的理论研究 | 第23-30页 |
| ·引言 | 第23页 |
| ·相关基本概念 | 第23-24页 |
| ·遗传约简算法 | 第24-27页 |
| ·编码方法 | 第24-25页 |
| ·个体适应度函数的计算 | 第25页 |
| ·赌盘概率选择 | 第25-26页 |
| ·单点交叉操作 | 第26页 |
| ·变异操作 | 第26-27页 |
| ·最优保存策略 | 第27页 |
| ·基于遗传算法的粗糙集属性约简算法 | 第27-29页 |
| ·执行算法过程 | 第27-28页 |
| ·算法的可行性和计算复杂度分析 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第4章 基于遗传算法的SVM多分类决策树的理论研究 | 第30-38页 |
| ·引言 | 第30页 |
| ·支持向量机 | 第30-32页 |
| ·传统的DAG-SVM和DT-SVM | 第32-33页 |
| ·基于遗传算法的SVM多分类决策树的生成 | 第33-37页 |
| ·遗传算法的设计 | 第34-36页 |
| ·GA-SVM多分类决策树生成算法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 基于GA-RS和GA-SVM多分类决策树的汽轮机故障诊断实例 | 第38-49页 |
| ·基于RS和多级SVM的汽轮机故障诊断原理与步骤 | 第38页 |
| ·诊断实例 | 第38-47页 |
| ·征兆表的离散化及约简 | 第38-41页 |
| ·基于GA-SVM汽轮机的故障诊断 | 第41-46页 |
| ·诊断结果比较及分析 | 第46-47页 |
| ·本章小结 | 第47-49页 |
| 第6章 结论 | 第49-51页 |
| ·全文总结 | 第49-50页 |
| ·进一步研究方向 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第55-56页 |
| 致谢 | 第56页 |