| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-16页 |
| 1.1 选题背景及意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 影响智能故障诊断质量的因素 | 第13-14页 |
| 1.4 知识发现与粒(度)计算 | 第14页 |
| 1.5 本研究的意义 | 第14-15页 |
| 1.6 本文主要研究内容与安排 | 第15-16页 |
| 第2章 粒计算与邻域粗糙集理论的基本原理分析 | 第16-25页 |
| 2.1 引言 | 第16页 |
| 2.2 粒计算与粗糙集原理简介 | 第16-20页 |
| 2.2.1 粒计算概念简介 | 第16页 |
| 2.2.2 粗糙集理论的基本概念 | 第16-20页 |
| 2.3 邻域粗糙集理论的基本原理简介 | 第20-22页 |
| 2.3.1 邻域的概念 | 第20-21页 |
| 2.3.2 邻域决策系统 | 第21-22页 |
| 2.3.3 邻域依赖度和属性的重要性 | 第22页 |
| 2.4 基于NRS的前向贪心约简算法体系 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 基于集合经验模态分解方法的原始故障信号处理过程分析 | 第25-32页 |
| 3.1 引言 | 第25页 |
| 3.2 经验模态分解简述 | 第25-27页 |
| 3.2.1 EMD基本原理与算法分析 | 第25-27页 |
| 3.2.2 EMD算法存在的问题 | 第27页 |
| 3.3 集合经验模态分解简述 | 第27-29页 |
| 3.3.1 EEMD基本原理 | 第27-28页 |
| 3.3.2 EEMD算法分析 | 第28-29页 |
| 3.4 EEMD对原始故障信号处理效果分析 | 第29-31页 |
| 3.5 本章小结 | 第31-32页 |
| 第4章 邻域粗糙集和支持向量机相结合的特征提取方法研究 | 第32-42页 |
| 4.1 引言 | 第32页 |
| 4.2 诊断方法原理介绍与研究 | 第32-35页 |
| 4.2.1 诊断方法的设计思路 | 第33页 |
| 4.2.2 NRS方法的理论验证 | 第33-35页 |
| 4.3 实验相关算法的构建 | 第35-38页 |
| 4.4 实验设计与结果分析 | 第38-41页 |
| 4.4.1 实验设计 | 第38页 |
| 4.4.2 实验过程与结果分析 | 第38-41页 |
| 4.5 分析与讨论 | 第41页 |
| 4.6 本章小结 | 第41-42页 |
| 第5章 一种改进的旋转机械故障诊断方法 | 第42-49页 |
| 5.1 引言 | 第42页 |
| 5.2 改进的故障诊断方法理论体系 | 第42-45页 |
| 5.2.1 FCM算法基本原理 | 第42页 |
| 5.2.2 评价指标的选择 | 第42-43页 |
| 5.2.3 改进的故障诊断方法流程设计 | 第43-45页 |
| 5.3 基于理论方法体系的实验过程与结果分析 | 第45-48页 |
| 5.3.1 实验数据的选取 | 第45页 |
| 5.3.2 建立的属性约简算法 | 第45-46页 |
| 5.3.3 属性约简与结果分析 | 第46-48页 |
| 5.4 分析与讨论 | 第48页 |
| 5.5 本章小结 | 第48-49页 |
| 结论与展望 | 第49-51页 |
| 结论 | 第49-50页 |
| 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 致谢 | 第55-56页 |
| 附录A 攻读学位期间发表的科研成果目录 | 第56-57页 |
| 附录B 参加科研项目情况 | 第57页 |