| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-18页 |
| 1.1 研究背景意义 | 第8-9页 |
| 1.2 国内外状态监测故障诊断技术发展现状 | 第9-14页 |
| 1.2.1 国外状态监测故障诊断发展现状 | 第9-10页 |
| 1.2.2 国内状态监测故障诊断发展现状 | 第10-11页 |
| 1.2.3 水电机组振动信号分析方法 | 第11-13页 |
| 1.2.4 水电机组故障诊断方法 | 第13-14页 |
| 1.3 分形理论发展现状 | 第14-15页 |
| 1.4 论文主要研究内容和技术路线 | 第15-18页 |
| 1.4.1 主要研究内容 | 第15-16页 |
| 1.4.2 技术路线 | 第16-18页 |
| 2 分形理论基础 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 分形基本原理 | 第18页 |
| 2.3 分形的性质 | 第18-22页 |
| 2.3.1 自相似性 | 第18-20页 |
| 2.3.2 自仿射性 | 第20页 |
| 2.3.3 标度不变性 | 第20-22页 |
| 2.4 分形维数的概念 | 第22-27页 |
| 2.4.1 分形维数的测量 | 第22-23页 |
| 2.4.2 Hausdorff测度和维数 | 第23-24页 |
| 2.4.3 几种常用的分形维数 | 第24-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 多重分形研究 | 第28-38页 |
| 3.1 引言 | 第28页 |
| 3.2 多重分形的描述方式 | 第28-31页 |
| 3.3 多重分形谱的计算 | 第31-34页 |
| 3.4 实例演示 | 第34-35页 |
| 3.5 本章小结 | 第35-38页 |
| 4 概率神经网络故障识别研究 | 第38-54页 |
| 4.1 引言 | 第38页 |
| 4.2 神经网络概述 | 第38-42页 |
| 4.2.1 神经元 | 第38-40页 |
| 4.2.2 神经网络结构 | 第40-41页 |
| 4.2.3 神经网络特性 | 第41-42页 |
| 4.3 概率神经网络 | 第42-48页 |
| 4.3.1 理论基础 | 第42-45页 |
| 4.3.2 概率神经网络模式识别描述 | 第45-46页 |
| 4.3.3 概率神经网络模型结构 | 第46-47页 |
| 4.3.4 概率神经网络特点 | 第47-48页 |
| 4.4 人工鱼群算法优化参数选取 | 第48-53页 |
| 4.4.1 行为描述 | 第49-51页 |
| 4.4.2 人工鱼群算法优化步骤 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 5 基于多重分形和ASFA-PNN的水电机组故障诊断 | 第54-64页 |
| 5.1 信号的采集 | 第54-55页 |
| 5.2 实例分析 | 第55-63页 |
| 5.2.1 实验样本 | 第55-56页 |
| 5.2.2 信号特征提取 | 第56-63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 结论 | 第64页 |
| 6.2 展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士期间发表的论文 | 第72页 |