| 摘要 | 第1-3页 |
| ABSTRACT | 第3-8页 |
| 第一章 绪论 | 第8-14页 |
| ·选题意义 | 第8-9页 |
| ·国内外研究概况 | 第9-12页 |
| ·电机故障诊断技术的国内外研究现状 | 第9-11页 |
| ·危险模式理论的国内外研究现状 | 第11-12页 |
| ·用人工免疫系统进行故障诊断的意义 | 第12页 |
| ·本文主要研究内容 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 人工免疫系统 | 第14-26页 |
| ·概述 | 第14页 |
| ·人工免疫系统的理论基础 | 第14-18页 |
| ·免疫学的发展 | 第14-15页 |
| ·生物免疫系统功能 | 第15-16页 |
| ·生物免疫系统的组成 | 第16-17页 |
| ·生物免疫系统的特点 | 第17-18页 |
| ·人工免疫算法 | 第18-25页 |
| ·典型的人工免疫算法 | 第18-22页 |
| ·免疫进化算法 | 第22-24页 |
| ·其它学习算法 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 人工免疫系统在故障诊断中的应用 | 第26-43页 |
| ·概述 | 第26页 |
| ·故障诊断 | 第26-32页 |
| ·故障诊断技术的工作原理 | 第26-27页 |
| ·故障诊断技术的工作方法 | 第27-30页 |
| ·设备状态监测与故障诊断系统模型 | 第30-32页 |
| ·基于人工免疫克隆选择检测器优化算法 | 第32-36页 |
| ·检测器分布均匀程度评价 | 第32-33页 |
| ·免疫克隆选择检测器优化算法 | 第33-36页 |
| ·人工免疫系统在故障诊断中的应用 | 第36-42页 |
| ·人工免疫系统的发展与研究现状 | 第36-40页 |
| ·人工免疫系统特点及在故障诊断应用中的研究方向 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于危险模式的免疫算法研究 | 第43-51页 |
| ·概述 | 第43页 |
| ·传统模式理论 | 第43-44页 |
| ·自体一非自体模式（Self-Nonself Model,SNS) | 第43页 |
| ·双信号模式(Two Signal Model) | 第43-44页 |
| ·双信号模式的延伸一协同刺激模式(Co-stimulation Model) | 第44页 |
| ·感染一非我模式(Infectious-Nonself Model, INS) | 第44页 |
| ·危险模式 | 第44-47页 |
| ·危险模式应答过程 | 第45-46页 |
| ·危险信号 | 第46-47页 |
| ·基于危险模式理论的人工免疫系统 | 第47-49页 |
| ·基于危险模式的AIS 与传统AIS 的比较 | 第47-48页 |
| ·基于危险模式的免疫算法 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 基于危险模式的设备异常检测系统 | 第51-67页 |
| ·概述 | 第51页 |
| ·危险模式应用于设备故障异常检测的可行性 | 第51页 |
| ·设备故障诊断中的传感信号处理技术 | 第51-58页 |
| ·时域平均法 | 第52-53页 |
| ·信号的频域分析与功率谱密度 | 第53-55页 |
| ·小波分析用于信号消噪 | 第55-58页 |
| ·应用ISOMAP 算法处理电机数据信号 | 第58-62页 |
| ·数据来源及前期处理 | 第59页 |
| ·算法步骤 | 第59-61页 |
| ·仿真实验 | 第61-62页 |
| ·基于危险模式设备异常检测系统模型 | 第62-66页 |
| ·基本原理 | 第62-63页 |
| ·匹配原则 | 第63页 |
| ·生成检测器 | 第63-64页 |
| ·异常检测 | 第64页 |
| ·系统结构模型 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 危险模式免疫算法在电机多测点故障诊断中的应用 | 第67-76页 |
| ·概述 | 第67页 |
| ·基于危险模式的电机故障检测与诊断模型 | 第67-69页 |
| ·系统结构模型 | 第67-69页 |
| ·故障诊断的数学模型 | 第69页 |
| ·仿真研究 | 第69-75页 |
| ·本章小结 | 第75-76页 |
| 第七章 结论与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第83页 |
