基于数据挖掘技术的矿井提升机故障诊断研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 变量注释表 | 第18-20页 |
| 1 绪论 | 第20-28页 |
| 1.1 课题研究背景和意义 | 第20-22页 |
| 1.2 课题相关技术的研究现状 | 第22-26页 |
| 1.3 课题的主要研究内容与论文组织 | 第26-28页 |
| 2 矿井提升机常见故障及监测信号的时频域分析 | 第28-40页 |
| 2.1 传动系统常见故障分析 | 第28-33页 |
| 2.2 制动系统常见故障分析 | 第33-36页 |
| 2.3 监测信号的时频域分析 | 第36-39页 |
| 2.4 本章小结 | 第39-40页 |
| 3 基于决策树分类算法的提升机故障知识获取 | 第40-48页 |
| 3.1 决策树分类算法概述 | 第40-41页 |
| 3.2 决策树分类模型的构建和评价标准 | 第41-42页 |
| 3.3 决策树分类算法的分析与比较 | 第42-45页 |
| 3.4 实例分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于粗糙集理论的决策树分类算法 | 第48-66页 |
| 4.1 粗糙集理论及属性约简算法研究 | 第48-55页 |
| 4.2 基于近似精度的决策树分类算法 | 第55-57页 |
| 4.3 基于改进近似精度的决策树分类算法 | 第57-60页 |
| 4.4 实例分析 | 第60-64页 |
| 4.5 本章小结 | 第64-66页 |
| 5 诊断模型的实验分析 | 第66-80页 |
| 5.1 Weka软件简介 | 第66-68页 |
| 5.2 Weka平台下诊断模型的实验分析 | 第68-77页 |
| 5.3 诊断模型应用 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 6 系统设计与实现 | 第80-102页 |
| 6.1 信号采集模块设计 | 第80-83页 |
| 6.2 系统数据库设计 | 第83-90页 |
| 6.3 系统管理模块设计 | 第90-93页 |
| 6.4 在线监测模块设计 | 第93-97页 |
| 6.5 数据挖掘与故障诊断模块设计 | 第97-100页 |
| 6.6 本章小结 | 第100-102页 |
| 7 结论与展望 | 第102-104页 |
| 7.1 总结 | 第102-103页 |
| 7.2 展望 | 第103-104页 |
| 参考文献 | 第104-108页 |
| 作者简历 | 第108-112页 |
| 学位论文数据集 | 第112页 |
