| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景及意义 | 第7-8页 |
| ·故障诊断技术现状综述 | 第8-11页 |
| ·粗糙集理论在故障诊断中的应用 | 第11-12页 |
| ·支持向量机在故障诊断中的研究现状 | 第12-13页 |
| ·本文的内容和安排 | 第13-15页 |
| 第二章 密闭鼓风炉熔炼工艺过程及故障分析 | 第15-23页 |
| ·密闭鼓风炉熔炼工艺概述 | 第15-17页 |
| ·密闭鼓风炉熔炼过程机理分析 | 第17-18页 |
| ·熔炼过程故障分析 | 第18-22页 |
| ·熔炼过程主要故障 | 第18-21页 |
| ·熔炼过程炉况特征分析 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于粗糙集的密闭鼓风炉故障诊断 | 第23-47页 |
| ·前言 | 第23页 |
| ·粗糙集的基本理论 | 第23-27页 |
| ·知识与不可分辨关系 | 第23-24页 |
| ·粗糙集定义 | 第24-25页 |
| ·约简和核 | 第25-26页 |
| ·属性的依赖性 | 第26-27页 |
| ·属性的重要性 | 第27页 |
| ·基于粗糙集理论的故障诊断方法 | 第27-40页 |
| ·离散化处理 | 第27-28页 |
| ·基于属性依赖度的遗传属性约简 | 第28-35页 |
| ·启发式属性值约简 | 第35-39页 |
| ·规则提取 | 第39-40页 |
| ·基于粗糙集理论的密闭鼓风炉故障诊断 | 第40-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 最小二乘支持向量机及其诊断模型的设计 | 第47-60页 |
| ·引言 | 第47页 |
| ·支持向量机理论基础 | 第47-54页 |
| ·VC维 | 第48页 |
| ·期望风险 | 第48-49页 |
| ·结构经验最小化 | 第49-50页 |
| ·支持向量机原理 | 第50-54页 |
| ·支持向量机与神经网络的比较 | 第54-55页 |
| ·最小二乘支持向量机 | 第55-56页 |
| ·最小二乘支持向量机诊断模型的设计 | 第56-59页 |
| ·样本采集与预处理 | 第57页 |
| ·核函数的选择 | 第57-58页 |
| ·模型参数选择算法 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 基于RS和LS_SVM的密闭鼓风炉故障诊断 | 第60-68页 |
| ·前言 | 第60页 |
| ·RS与LS_SVM方法融合的优势 | 第60-62页 |
| ·基于RS与LS_SVM的密闭鼓风炉故障诊断 | 第62-67页 |
| ·基于RS和LS_SVM的故障诊断方法 | 第62-63页 |
| ·密闭鼓风炉故障诊断实例验证 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| ·总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76页 |