| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 引言 | 第12页 |
| 1.2 研究目的与意义 | 第12-13页 |
| 1.2.1 研究目的 | 第12-13页 |
| 1.2.2 研究意义 | 第13页 |
| 1.3 国内外研究现状 | 第13-18页 |
| 1.3.1 矿井提升机故障实时检测技术 | 第14页 |
| 1.3.2 .提升机故障诊断知识获取模型的构建 | 第14-16页 |
| 1.3.3 提升机故障诊断规则挖掘技术 | 第16-18页 |
| 1.4 主要研究内容 | 第18页 |
| 1.5 小结 | 第18-20页 |
| 第二章 提升机制动系统故障实时监测与诊断方法 | 第20-38页 |
| 2.1 引言 | 第20页 |
| 2.2 制动系统组成及技术参数 | 第20-25页 |
| 2.2.1 系统组成 | 第20-24页 |
| 2.2.2 技术参数 | 第24-25页 |
| 2.3 实时监测方法 | 第25-29页 |
| 2.3.1 传感器布置 | 第25-27页 |
| 2.3.2 监测方法设计 | 第27-29页 |
| 2.4 常见故障及诊断标准 | 第29-33页 |
| 2.4.1 制动系统常见的故障 | 第29-32页 |
| 2.4.2 监测参数的诊断标准 | 第32-33页 |
| 2.5 提升机制动系统故障诊断方法 | 第33页 |
| 2.5.1 故障诊断知识获取 | 第33页 |
| 2.5.2 故障诊断规则挖掘 | 第33页 |
| 2.6 数据采集试验 | 第33-36页 |
| 2.7 小结 | 第36-38页 |
| 第三章 基于改进粗糙集和MATLAB融合方法的提升机故障诊断知识获取 | 第38-52页 |
| 3.1 引言 | 第38页 |
| 3.2 故障诊断知识的概念 | 第38-39页 |
| 3.3 数据的预处理 | 第39-40页 |
| 3.3.1 数据的补齐与冗余处理 | 第39页 |
| 3.3.2 数据离散化 | 第39-40页 |
| 3.4 基于粗糙集的知识获取 | 第40-43页 |
| 3.4.1 粗糙集理论基础 | 第40-41页 |
| 3.4.2 基于差别矩阵的属性约简 | 第41-42页 |
| 3.4.3 基于属性重要度的属性约简 | 第42-43页 |
| 3.4.4 基于改进差别矩阵和改进属性重要度的属性约简 | 第43页 |
| 3.5 基于MATLAB的粗糙集转换实现方法 | 第43-45页 |
| 3.5.1 不可区分关系的转化 | 第43-44页 |
| 3.5.2 求决策系统的正域约简 | 第44-45页 |
| 3.6 基于粗糙集和MATLAB提升机制动系统故障诊断知识获取 | 第45-46页 |
| 3.6.1 构建故障诊断知识获取模型 | 第45页 |
| 3.6.2 故障诊断知识获取算法步骤 | 第45-46页 |
| 3.7 基于改进的粗糙集和MATLAB融合方法的故障诊断知识获取试验 | 第46-51页 |
| 3.7.1 模拟试验故障 | 第46-47页 |
| 3.7.2 试验方案设计 | 第47-48页 |
| 3.7.3 试验结果分析 | 第48-51页 |
| 3.8 小结 | 第51-52页 |
| 第四章 基于贝叶斯网络提升机制动系统故障诊断不确定推理模型的建立 | 第52-68页 |
| 4.1 引言 | 第52页 |
| 4.2 基础理论概述 | 第52-53页 |
| 4.2.1 不确定推理模式 | 第52页 |
| 4.2.2 贝叶斯网络概述 | 第52-53页 |
| 4.3 贝叶斯网络的知识表示 | 第53-54页 |
| 4.3.1 条件独立 | 第53页 |
| 4.3.2 三种基本网络结构表示及其独立判断 | 第53-54页 |
| 4.4 贝叶斯网络的学习 | 第54-58页 |
| 4.4.1 贝叶斯网络的结构学习 | 第55-57页 |
| 4.4.2 贝叶斯网络的参数学习 | 第57-58页 |
| 4.5 基于Netica的提升机制动系统贝叶斯网络模型 | 第58-60页 |
| 4.6 构建提升机制动系统贝叶斯网络模型条件概率表 | 第60-64页 |
| 4.6.1 组建样本数据 | 第60-62页 |
| 4.6.2 处理样本数据 | 第62页 |
| 4.6.3 样本数据学习 | 第62-64页 |
| 4.7 基于Netica的贝叶斯网络模型的不确定推理 | 第64-67页 |
| 4.7.1 预测推理 | 第64-65页 |
| 4.7.2 诊断推理 | 第65-66页 |
| 4.7.3 支持推理 | 第66-67页 |
| 4.8 小结 | 第67-68页 |
| 第五章 基于贝叶斯网络和改进A-star的提升机制动系统故障诊断 | 第68-94页 |
| 5.1 引言 | 第68页 |
| 5.2 贝叶斯网络推理方法分类 | 第68-70页 |
| 5.2.1 精确推理 | 第68-69页 |
| 5.2.2 近似推理 | 第69-70页 |
| 5.3 基于启发式搜索的算法 | 第70-73页 |
| 5.3.1 A-star算法 | 第70-71页 |
| 5.3.2 改进的A-star算法 | 第71-73页 |
| 5.4 提升机制动系统故障搜索树的建立 | 第73-75页 |
| 5.5 基于贝叶斯网络启发式搜索的提升机制动系统故障诊断试验 | 第75-90页 |
| 5.5.1 试验设备简介 | 第76页 |
| 5.5.2 实验方案设计 | 第76-77页 |
| 5.5.3 制动盘偏摆试验 | 第77-87页 |
| 5.5.4 闸瓦间隙大和制动盘篇摆大混合试验 | 第87-90页 |
| 5.6 与传统专家系统故障诊断方法对比的优势 | 第90-91页 |
| 5.7 故障诊断关键技术应用研究 | 第91-92页 |
| 5.8 小结 | 第92-94页 |
| 第六章 结论与展望 | 第94-96页 |
| 6.1 工作总结 | 第94页 |
| 6.2 主要结论 | 第94-95页 |
| 6.3 工作展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 致谢 | 第100-102页 |
| 攻读硕士学位期间发表的学术论文 | 第102页 |
