| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景及意义 | 第13-15页 |
| 1.2 船舶故障诊断系统研究现状 | 第15-16页 |
| 1.2.1 船舶故障诊断系统 | 第15页 |
| 1.2.2 船舶故障诊断技术研究现状 | 第15-16页 |
| 1.3 关键技术研究现状 | 第16-19页 |
| 1.3.1 缺失数据填补技术研究现状 | 第16-18页 |
| 1.3.2 RBF神经网络故障诊断技术研究现状 | 第18-19页 |
| 1.4 论文的研究内容及组织结构 | 第19-22页 |
| 1.4.1 主要研究内容 | 第19-20页 |
| 1.4.2 组织结构 | 第20-22页 |
| 第二章 海事船舶故障诊断系统设计 | 第22-35页 |
| 2.1 系统分析 | 第22-24页 |
| 2.1.1 功能需求 | 第22-23页 |
| 2.1.2 性能需求 | 第23-24页 |
| 2.2 系统总体框架设计 | 第24-26页 |
| 2.2.1 数据采集层 | 第25页 |
| 2.2.2 数据处理层 | 第25-26页 |
| 2.2.3 业务逻辑层 | 第26页 |
| 2.2.4 用户交互层 | 第26页 |
| 2.3 主要功能模块 | 第26-30页 |
| 2.3.1 船舶设备状态数据采集 | 第26-28页 |
| 2.3.2 船舶设备故障诊断 | 第28-29页 |
| 2.3.3 船舶设备故障报警 | 第29-30页 |
| 2.4 系统关键技术 | 第30-34页 |
| 2.4.1 数据清洗技术 | 第31-33页 |
| 2.4.2 基于改进RBF神经网络的海事船舶设备故障诊断 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 海事船舶故障诊断系统中数据清洗技术 | 第35-45页 |
| 3.1 海事船舶故障诊断系统数据清洗流程 | 第35-38页 |
| 3.1.1 异常数据检测与消除 | 第35-37页 |
| 3.1.2 数据对象间的相似性 | 第37页 |
| 3.1.3 缺失值填补 | 第37-38页 |
| 3.2 改进的K近邻缺失值填补算法 | 第38-42页 |
| 3.2.1 CRITIC法与熵权法结合的综合赋权法 | 第39-40页 |
| 3.2.2 改进的灰色关联度 | 第40-41页 |
| 3.2.3 缺失值填补 | 第41-42页 |
| 3.3 实验结果及分析 | 第42-44页 |
| 3.3.1 不同K值下算法性能比较 | 第42-43页 |
| 3.3.2 不同缺失率下算法性能比较 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 基于改进RBF神经网络的船舶设备故障诊断 | 第45-57页 |
| 4.1 基于改进的RBF神经网络的设备故障诊断过程 | 第45-47页 |
| 4.2 RBF神经网络结构 | 第47-48页 |
| 4.3 RBF神经网络的构造 | 第48-54页 |
| 4.3.1 减法聚类算法确定隐含层中心节点数 | 第48-49页 |
| 4.3.2 隐含层中心值与中心宽度的确定 | 第49-53页 |
| 4.3.3 隐含层到输出层连接权值的确定 | 第53-54页 |
| 4.4 仿真实验与分析 | 第54-56页 |
| 4.4.1 改进RBF神经网络故障诊断模型仿真实验 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 第五章 系统实现 | 第57-71页 |
| 5.1 项目背景 | 第57页 |
| 5.2 系统网络结构 | 第57-58页 |
| 5.3 系统功能框架 | 第58-59页 |
| 5.4 系统实现 | 第59-67页 |
| 5.4.1 系统开发平台 | 第59-60页 |
| 5.4.2 基于RS-485 总线通信和数据采集 | 第60-62页 |
| 5.4.3 关键技术实现 | 第62-67页 |
| 5.5 运行效果及实例 | 第67-70页 |
| 5.6 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71-72页 |
| 6.2 展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 在学期间的研究成果及发表的学术论文 | 第79页 |
