| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-17页 |
| 1.1 课题来源 | 第8页 |
| 1.2 研究背景和意义 | 第8-9页 |
| 1.3 故障诊断技术概述 | 第9-13页 |
| 1.4 神经网络和主元分析方法在故障诊断中的应用概述 | 第13-15页 |
| 1.5 论文研究内容和组织结构 | 第15-17页 |
| 2 基于选择性神经网络集成的故障诊断方法的总体框架 | 第17-24页 |
| 2.1 故障诊断问题描述 | 第17-18页 |
| 2.2 基于选择性神经网络的故障诊断总体流程 | 第18-20页 |
| 2.3 故障诊断的测试实例：田纳西-伊斯曼过程 | 第20-22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 基于粒子群算法的选择性神经网络（IBPSOSEN）建模 | 第24-37页 |
| 3.1 选择性神经网络模型概述 | 第24-27页 |
| 3.2 改进二进制粒子群算法（IBPSO） | 第27-31页 |
| 3.3 基于 IBPSO 的选择性神经网络建模算法 | 第31-34页 |
| 3.4 实验验证及结果分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于 KPCA-IBPSOSEN 的故障诊断方法及原型系统 | 第37-52页 |
| 4.1 KPCA 原理 | 第37-39页 |
| 4.2 基于 KPCA-IBPSOSEN 的故障诊断算法 | 第39页 |
| 4.3 基于 KPCA-IBPSOSEN 的 TE 问题测试分析 | 第39-44页 |
| 4.4 基于 KPCA-IBPSOSEN 的齿轮箱故障诊断 | 第44-47页 |
| 4.5 故障诊断原型系统实现 | 第47-51页 |
| 4.6 本章小结 | 第51-52页 |
| 5 总结与展望 | 第52-54页 |
| 5.1 全文总结 | 第52-53页 |
| 5.2 研究展望 | 第53-54页 |
| 致谢 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 附录：硕士期间发表的学术论文 | 第61页 |
