用于加工中心的计算机智能监测控制方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| 1-1 故障诊断技术的研究现状 | 第8-10页 |
| 1-1-1 传统故障诊断技术 | 第8页 |
| 1-1-2 人工智能故障诊断技术 | 第8-9页 |
| 1-1-3 数据挖掘在故障诊断中的应用 | 第9-10页 |
| 1-2 数据挖掘技术 | 第10-13页 |
| 1-2-1 数据挖掘基本知识 | 第10-11页 |
| 1-2-2 数据预处理 | 第11-12页 |
| 1-2-3 数据挖掘分类 | 第12-13页 |
| 1-3 数据挖掘方法和技术 | 第13-15页 |
| 1-3-1 统计学习方法 | 第13-14页 |
| 1-3-2 机器学习方法 | 第14页 |
| 1-3-3 生物技术 | 第14页 |
| 1-3-4 数据挖掘研究中的技术难题 | 第14-15页 |
| 1-3-5 数据挖掘在故障诊断中的应用 | 第15页 |
| 1-4 基于粗集的数据挖掘 | 第15页 |
| 1-5 粗集和神经网络结合的必要性 | 第15-17页 |
| 1-6 本课题研究的意义及内容 | 第17-18页 |
| 1-6-1 本课题的目的和意义 | 第17页 |
| 1-6-2 主要研究内容 | 第17-18页 |
| 第二章 粗集在故障诊断中的应用 | 第18-28页 |
| 2-1 粗集理论的基本概念 | 第18-22页 |
| 2-1-1 知识与不可辨识关系 | 第18-19页 |
| 2-1-2 粗集的上近似、下近似及边界 | 第19-20页 |
| 2-1-3 知识的等价与推广 | 第20页 |
| 2-1-4 知识的简化 | 第20页 |
| 2-1-5 属性的依赖性和重要性 | 第20-22页 |
| 2-2 连续数据的离散化方法 | 第22-23页 |
| 2-3 粗集数据约简方法 | 第23-27页 |
| 2-3-1 决策表 | 第23-24页 |
| 2-3-2 决策表的约简 | 第24-27页 |
| 2-4 本章小结 | 第27-28页 |
| 第三章 人工神经网络的应用 | 第28-39页 |
| 3-1 人工神经网络概述 | 第28页 |
| 3-2 神经网络的特性和学习算法 | 第28-29页 |
| 3-2-1 人工神经网络的基本特性 | 第28-29页 |
| 3-2-2 人工神经网络的主要学习算法 | 第29页 |
| 3-3 神经网络在本论文中的应用 | 第29-30页 |
| 3-3-1 神经网络用于连续属性离散化 | 第29页 |
| 3-3-2 神经网络用于故障诊断 | 第29-30页 |
| 3-4 SOM网络的原理及算法 | 第30-33页 |
| 3-4-1 SOM神经网络模型 | 第30页 |
| 3-4-2 SOM神经网络的组成 | 第30-32页 |
| 3-4-3 SOM模型学习算法 | 第32-33页 |
| 3-5 BP网络的原理及算法 | 第33-38页 |
| 3-5-1 单隐层BP网络的故障诊断方法和特点 | 第33-34页 |
| 3-5-2 BP网络学习算法 | 第34-36页 |
| 3-5-3 BP网络设计 | 第36页 |
| 3-5-4 基于MATLAB的BP神经网络的实现 | 第36-38页 |
| 3-6 本章小结 | 第38-39页 |
| 第四章 基于数据挖掘的故障诊断系统 | 第39-44页 |
| 4-1 监控对象分析 | 第39-40页 |
| 4-2 诊断信息获取和预处理 | 第40-41页 |
| 4-2-1 诊断信息获取 | 第40页 |
| 4-2-2 诊断信息处理过程 | 第40-41页 |
| 4-3 主要功能 | 第41页 |
| 4-4 总体结构与实现步骤概述 | 第41-43页 |
| 4-5 本章小结 | 第43-44页 |
| 第五章 基于虚拟仪器技术的智能故障诊断系统开发 | 第44-62页 |
| 5-1 虚拟仪器及LabVIEW | 第44-46页 |
| 5-1-1 虚拟仪器概念 | 第44页 |
| 5-1-2 虚拟仪器的特点 | 第44-45页 |
| 5-1-3 LabVIEW语言 | 第45-46页 |
| 5-2 LabVIEW与MATLAB的接口问题 | 第46-47页 |
| 5-3 智能混合故障诊断系统的软件构成 | 第47-61页 |
| 5-3-1 数据采集模块 | 第47-49页 |
| 5-3-2 数据预处理模块 | 第49-54页 |
| 5-3-3 数据约简模块 | 第54-57页 |
| 5-3-4 神经网络模块 | 第57-58页 |
| 5-3-5 故障诊断模块 | 第58-61页 |
| 5-4 本章小结 | 第61-62页 |
| 第六章 结论与展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
