| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-27页 |
| ·课题研究的目的和意义 | 第12-13页 |
| ·柴油机故障诊断常用方法及其特点 | 第13-20页 |
| ·国内外的研究现状、存在问题及发展趋势 | 第20-26页 |
| ·人工免疫算法的研究现状及发展方向 | 第20-22页 |
| ·柴油机故障诊断的研究现状 | 第22-23页 |
| ·柴油机故障诊断存在的问题 | 第23-24页 |
| ·柴油机故障诊断的发展趋势 | 第24-26页 |
| ·本课题的主要研究内容 | 第26-27页 |
| 第2章 人工免疫算法 | 第27-48页 |
| ·人工免疫系统的生物学机理 | 第27-34页 |
| ·生物免疫系统的结构与功能 | 第27-30页 |
| ·免疫系统克隆选择理论 | 第30-33页 |
| ·独特型免疫网络理论 | 第33-34页 |
| ·人工免疫算法 | 第34-40页 |
| ·免疫网络建模 | 第35-37页 |
| ·免疫辨识算法 | 第37-38页 |
| ·免疫优化算法 | 第38-40页 |
| ·人工免疫算法收敛性分析 | 第40页 |
| ·基于人工免疫算法的多峰函数优化及其仿真研究 | 第40-48页 |
| ·基本算法介绍 | 第40-41页 |
| ·算法的不足与改进 | 第41-43页 |
| ·仿真实例 | 第43-48页 |
| 第3章 基于克隆选择的快速免疫动态聚类算法 | 第48-64页 |
| ·引言 | 第48-49页 |
| ·基于克隆选择算法的模糊聚类算法 | 第49-54页 |
| ·模糊-C均值(FCM)算法 | 第49-50页 |
| ·基于克隆选择算法的模糊聚类算法 | 第50-52页 |
| ·算法实例仿真 | 第52-54页 |
| ·聚类有效性分析 | 第54-56页 |
| ·概述 | 第54-55页 |
| ·常用聚类有效性指标 | 第55-56页 |
| ·基于克隆选择的快速免疫动态聚类算法 | 第56-60页 |
| ·最大聚类数的选择 | 第56-57页 |
| ·聚类初始中心的选择 | 第57-60页 |
| ·算法步骤 | 第60页 |
| ·算法实例仿真 | 第60-63页 |
| ·人工数据 | 第60-61页 |
| ·IRIS数据 | 第61-62页 |
| ·柴油机故障诊断数据 | 第62-63页 |
| ·小结 | 第63-64页 |
| 第4章 基于免疫-RBF神经网络的船用柴油机故障诊断研究 | 第64-77页 |
| ·人工神经网络 | 第64-65页 |
| ·人工神经网络概述 | 第64-65页 |
| ·人工神经网络分类 | 第65页 |
| ·RBF神经网络 | 第65-72页 |
| ·RBF神经网络 | 第66-67页 |
| ·RBF神经网络的常用学习算法 | 第67-71页 |
| ·基于快速免疫动态聚类的RBF神经网络设计 | 第71-72页 |
| ·基于免疫-RBF神经网络的柴油机故障诊断 | 第72-75页 |
| ·诊断原理及步骤 | 第72-74页 |
| ·诊断实例 | 第74-75页 |
| ·小结 | 第75-77页 |
| 第5章 基于人工免疫-粗糙集-RBF网络混合模型的智能故障诊断研究 | 第77-100页 |
| ·引言 | 第77-78页 |
| ·粗糙集理论的基本内容 | 第78-82页 |
| ·知识与不可分辨关系 | 第78-79页 |
| ·信息系统及其简化 | 第79-82页 |
| ·基于免疫原理的粗糙集条件属性约简 | 第82-87页 |
| ·基于粗糙集理论的条件属性约简基本算法 | 第82-85页 |
| ·基于免疫原理的粗糙集条件属性约简算法 | 第85-86页 |
| ·实例分析 | 第86-87页 |
| ·粗糙集连续属性的离散化 | 第87-93页 |
| ·基于人工免疫-粗糙集-RBF网络混合模型的智能化故障诊断 | 第93-99页 |
| ·诊断原理及步骤 | 第93-94页 |
| ·诊断实例1 | 第94-95页 |
| ·诊断实例2 | 第95-99页 |
| ·小结 | 第99-100页 |
| 第6章 船舶柴油机状态监测及智能故障诊断系统 | 第100-113页 |
| ·柴油机的故障机理 | 第100-103页 |
| ·研发故障诊断系统的关键技术 | 第103-107页 |
| ·特征参数的获取 | 第103-104页 |
| ·故障的层次分类诊断模型 | 第104-106页 |
| ·混合智能诊断模型的建立 | 第106页 |
| ·船舶柴油机故障知识库的建立 | 第106-107页 |
| ·开发软件的选用 | 第107页 |
| ·船舶柴油机状态监测及智能故障诊断系统 | 第107-113页 |
| ·系统的总体结构 | 第108-109页 |
| ·状态监测子系统 | 第109-111页 |
| ·故障诊断子系统 | 第111-112页 |
| ·数据管理子系统 | 第112-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-126页 |
| 攻读学位期间公开发表论文 | 第126-127页 |
| 致谢 | 第127-128页 |
| 研究生履历 | 第128页 |
