基于模糊聚类方法的故障诊断算法研究
| 摘要 | 第2-3页 |
| abstract | 第3-4页 |
| 第一章 绪论 | 第7-15页 |
| 1.1 课题的背景与研究意义 | 第7-8页 |
| 1.2 故障诊断技术概述 | 第8-11页 |
| 1.2.1 传统故障诊断技术 | 第9-10页 |
| 1.2.2 智能故障诊断技术 | 第10-11页 |
| 1.3 故障诊断技术国内外发展历程 | 第11-13页 |
| 1.3.1 国外发展情况 | 第11-12页 |
| 1.3.2 国内发展情况 | 第12-13页 |
| 1.4 本文的主要内容与结构安排 | 第13-15页 |
| 第二章 聚类分析 | 第15-23页 |
| 2.1 聚类分析概况 | 第15-19页 |
| 2.1.1 聚类分析的数学模型 | 第15-16页 |
| 2.1.2 聚类分析的分类 | 第16-19页 |
| 2.2 故障信号分析处理技术 | 第19-21页 |
| 2.3 相似度判别方法 | 第21-22页 |
| 2.3.1 基于距离的相似度判别方法 | 第21页 |
| 2.3.2 基于相似系数的相似度判别方法 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于模糊C均值聚类算法的故障诊断研究 | 第23-39页 |
| 3.1 硬C均值聚类算法 | 第23-24页 |
| 3.1.1 HCM算法的基本原理 | 第23-24页 |
| 3.1.2 HCM算法的一般步骤 | 第24页 |
| 3.2 模糊C均值聚类算法 | 第24-28页 |
| 3.2.1 FCM算法的基本原理 | 第25-26页 |
| 3.2.2 FCM算法的一般步骤 | 第26-28页 |
| 3.3 改进的FCM聚类算法 | 第28-30页 |
| 3.4 诊断实例 | 第30-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 基于近邻传播聚类算法的故障诊断研究 | 第39-43页 |
| 4.1 AP聚类算法 | 第39-41页 |
| 4.1.1 AP聚类算法的基本原理 | 第39-40页 |
| 4.1.2 AP聚类算法的一般步骤 | 第40-41页 |
| 4.2 诊断实例 | 第41-42页 |
| 4.3 本章小结 | 第42-43页 |
| 第五章 基于可能性聚类算法的故障诊断研究 | 第43-49页 |
| 5.1 可能性聚类算法 | 第43-44页 |
| 5.2 核可能性聚类算法 | 第44-45页 |
| 5.3 改进的KPCM聚类算法 | 第45-46页 |
| 5.4 诊断实例 | 第46-48页 |
| 5.5 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 攻读学位期间的研究成果 | 第57-59页 |
| 致谢 | 第59-61页 |
