一、基于人工神经网络的智能诊断系统(NNIDS)（论文文献综述）
郭文孝[1]（2021）在《基于张量分解的旋转机械复合故障智能诊断方法研究》文中研究指明机械工业是国民经济发展的基础性、战略性支柱产业。国家“十四五”规划纲要中更加确定了机械装备的重要性:关键大型机械装备的研发与技术创新占据核心地位。而在机械装备中,旋转机械是构成各机械装备尤其是大型装备（例如:煤矿井下采煤、破碎、输送等装备）的主要动力源和核心。旋转机械的故障类型同样占据着机械装备故障的绝大多数范畴。机械装备能否正常运行主要取决于旋转机械的可靠性以及故障率。因此开展旋转机械故障的智能诊断方法的研究具有重要意义。现有文献中关于旋转机械的状态监测、检测和故障诊断的研究方法很多,例如,神经网络方法、支持向量机方法、遗传算法、Hilbert-Huang变换等方法。虽然这些理论研究方法相对成熟,但由于实际机械设备的工作环境一般都比较恶劣,从而导致其在使用中产生的不同信号相互干扰,且这些信号有着复杂的耦合特征以及很强的非线性,从而使得故障特征提取准确性不足,无法反映故障类型,而且在故障发生的初期无法诊断出故障。旋转机械在实际故障诊断和监测中的这些问题亟待解决。本文针对旋转机械在实际故障诊断、状态监测和检测过程中,信号干扰严重、特征提取准确性不足、初期故障难以检测的问题,以煤矿机械中使用的滚动轴承和齿轮箱为研究对象,基于张量分解方法,分别对现有的智能寻优算法、小波变换和神经网络法进行改进,提出适用于复杂环境下旋转机械信号降噪、特征提取和故障初期诊断方法。论文主要研究内容如下:（1）针对故障诊断中采集的数据异构、混杂、量纲不一的问题开展研究。常用的张量分解方法（CP分解、Tucker分解、HOSVD分解、HT分解、TT分解、TC分解、TTr1分解等）无法有效地剔除掉张量中的无效信息。分解中需要选择一个合适的秩1项的数量,这个数量值如果选择较小会导致原始张量的有用信息丢失,另一方面这个数量值如果选择过大会导致计算效率降低。为了提高TTr1分解的特征提取能力和对噪声的抗干扰能力,挖掘张量中的全局信息,去掉张量的冗余特征,提出了一种自适应滤波截断的张量重构方法。该方法能根据重构参数,计算全局奇异值,综合衡量其对原始张量贡献高低,自适应的设置滤波因子,去除对原始张量贡献较低的全局奇异值,消除其中干扰信息,保留张量的重要结构信息。（2）针对在复杂工况下振动信号的复杂性、非平稳性的问题开展研究。用多通道对数据监测所采集的原始信号主体分量来源于旋转机械中,其余分量多包含环境噪声等无用信息,而所采集的多通道信号在同一振动方向上存在结构和内容的相似性,说明主体分量中蕴含有设备的故障信息。为了有效提取采集信号的主体分量,结合张量分解方法能捕捉高维数据的结构相似性和内容相似性,最大程度的挖掘潜在信息,提出了一个基于TTr1FS的旋转机械特征提取方法。通过连续小波变换方法建立基于时间、频率和通道的三个不同维度表示的张量数据,运用TTr1对数据进行分解,分别获得左奇异值矩阵、奇异值矩阵和右奇异值矩阵。采用基于概率密度函数的正值优化器智能算法,寻找目标函数式重构参数最优值。采用自适应滤波截断的张量重构方法,结合左奇异值矩阵、奇异值矩阵和右奇异值矩阵,获得重构张量。最后,对重构张量采用连续小波逆变换,获得不同通道的时域信号。通过实验与其他方法的对比,验证所提方法的可行性和优势。（3）传统的智能诊断方法主要依赖于先验知识,面对海量的异构数据,所提取振动信号的特征通常包含了无用的噪声和测量误差,难以获得可区分的数据。针对该等问题开展研究,结合张量分解与重构方法在挖掘故障信号的潜在信息对提高故障识别准确度所具有的优势,提出了一种基于同步提取变换的张量低秩分解的智能诊断方法。通过同步提取变换构建三维的高阶张量,运用TTr1对高阶张量进行分解,采用智能优化算法求解最优重构函数。对张量进行重构操作,获得新的张量。最后,利用10折交叉验证的方法,采用Alex Net神经网络进行旋转机械智能诊断的训练和测试,提高了信号特征提取的准确性和效率。公共数据集和实验数据被用于验证所提方法的优势,结果表明所提方法在滚动轴承等旋转机械故障诊断方面具有较大的优势。（4）旋转机械在发生初期故障时会出现复杂的力学行为,在不均衡力学环境中,其它零部件会出现疲劳,进一步发展成微弱故障和显着故障。同时它们的振动信号相互耦合,在强噪环境和复杂的传递路径情况下,导致微弱故障被噪声淹没,进一步出现漏诊断或误诊断的现象。针对该问题开展研究,结合张量分解能挖掘信号的潜在信息并能提取无关噪声的特点,提出了一种复合多尺度样本熵的张量分解故障诊断方法。通过将张量分解与经验模态分解、张量分解与集合经验模态分解、张量分解与互补经验模态分解和张量分解与变分模态分解相结合,利用复合多尺度样本熵,挖掘本征模态函数中表征旋转机械的故障的冲击信号进行实验对比。实验证明了该方法的有效性。
李诚,刘昊,蒋希峰,吴军法,韩文刚,高建国[2]（2021）在《基于VGG网络的发电机定转子智能诊断算法》文中进行了进一步梳理针对发电机定转子潜在缺陷严重影响机组运行安全稳定性的问题,文中提出了基于VGG网络的发电机定转子智能诊断算法。相比于Alex网络,VGG网络采用多个堆叠的小尺寸卷积滤波器代替大尺寸滤波器,减少了算法参数规模,加深了网络结构深度。文中所提算法包括离线训练和在线监测两部分,前者通过本地服务器发电机定转子历史图像进行学习训练,获得满足精度要求的VGG网络模型;后者利用训练好的VGG网络模型,实现发电机定转子的在线实时监测。通过仿真实验表明,相比于Alex网络,文中所提算法训练过程收敛速度更快,计算误差更小,对发电机定转子缺陷识别准确率更高。
李洪,刘培邦,汤胜楠,朱勇,周岭[3]（2021）在《机械装备智能故障诊断研究现状与发展趋势》文中指出随着现代机械装备复杂性、综合化、智能化程度的不断提高,在机械装备故障预测与健康管理（PrognosticsHealthManagement,PHM）中,对机械装备进行智能故障诊断是一个必要环节,是保证后续健康状态评估和故障预测可靠性的基础。综述了近年来国内外学者在机械装备智能故障诊断研究方面的探究成效,回顾了传统故障诊断方法研究成果,介绍了现代智能故障诊断方法研究现状,展望了机械装备智能故障诊断发展趋势。分析表明,随着机械装备逐步向多功能化、智能化、绿色化方向发展,机械装备智能故障诊断技术将迎来新的挑战;融合智能感知、深度学习、强化学习等人工智能的智能故障诊断技术有望成为机械装备状态监测与故障诊断的一把利器,为机械装备智能故障诊断与预测提供新的探索路径,在科学研究和工程应用中具有广阔的应用前景。
陈师,胡剑鹏,徐伟,张骥,吴吉明[4]（2021）在《人工智能辅助CT肺结节良恶性鉴别的研究进展》文中研究说明肺癌属于临床常见的恶性肿瘤之一,当前胸部CT是进行早期肺癌鉴别的重要方式,但是因其存在"异病同影"等情况,加之受到临床经验等因素影响,在病灶良恶性鉴别方面有较大差异,极易出现误诊或漏诊情况。近年来人工智能被逐渐应用于临床,其在肺结节良恶性鉴别方面也发挥着一定作用。本文从人工智能评估肺结节良恶性的基本过程、人工智能模型在鉴别肺结节良恶性方面效能、人工智能诊断肺结节效能的影响因素、问题及展望方面进行分析,以期提升人工智能辅助CT鉴别肺结节良恶性效果。
邱陈辉,黄崇飞,夏顺仁,孔德兴[5]（2021）在《人工智能在医学影像辅助诊断中的应用综述》文中研究说明人工智能理论与技术在医学影像辅助诊断应用中非常重要。本文首先介绍了该细分领域的概况,同时阐述了人工智能的符号主义、连接主义、行为主义和统计主义4个学派以及深度学习、强化学习、迁移学习的主要思想与特点。然后,详细介绍了关于人工智能理论与技术应用于医学影像辅助诊断的代表性研究成果,并且对产品转化应用进行统计分析,举例说明大样本、多中心的医学影像数据库建设的重要性。最后,从人工智能学派、学习方法和医学影像数据库3个层面指出当前存在的问题,并给出未来的发展方向,为研发智能医学影像辅助诊断设备提供参考意见。
王海静,王志丹,邢冰冰[6]（2021）在《人工智能在孤独症谱系障碍儿童临床诊断中的应用研究综述》文中进行了进一步梳理近年来,孤独症谱系障碍的发病率不断攀升,但其早期诊断资源仍极为匮乏。随着计算机技术、电子工程学以及统计学等学科的发展,人工智能（AI）在孤独症的临床诊断中高效率、高准确率、高稳定性的独特优势日益凸显。当前人工智能在孤独症诊断领域的研究主要集中于孤独症的早期识别、预测、诊断以及人机互动辅助干预研究等四大方面。综述的结果指明,在未来的人工智能的孤独症诊断应用方面,应明确其辅助性发展定位、完善法律和法规制度、健全信息化数据体系、加强信息化安全建设、促进便携式设备发展、推动复合型人才培养。
雷兵[7]（2020）在《滚动轴承可拓智能诊断与性能退化评估》文中进行了进一步梳理随着现代机械设备的快速发展,机械结构日趋复杂化,机械设备在服役过程中,零部件的运行状态是一个从正常状态到失效的过程。滚动轴承作为旋转机械重要且极易损坏零部件,其运行状态健康与否将影响着整个设备的稳定和安全,因此,有效的滚动轴承故障诊断方法和性能退化评估需求尤为迫切。研究滚动轴承的故障诊断和性能退化评估,对提高机械的工作效率、节约维护成本具有十分重要的意义;而且如果能够实时监测轴承的运行状态就可以预防轴承故障的发生,从而避免或减少不必要的经济损失。本文以滚动轴承为研究对象,采用自回归模型（AR）的方法对滚动轴承的振动信号进行特征提取,然后用Fisher比进行特征选择,最后再用可拓学理论对滚动轴承故障智能诊断和性能退化评估,具体工作内容如下:（1）针对传统的时域特征提取方法存在提取特征信息困难、监测效果不足等问题,本文对滚动轴承不同健康状态类别数据建立AR模型,并提取AR模型的系数和残差作为特征,然后用Fisher比对特征进行选择,最后将选择后的特征组成的特征向量输入到模式识别的可拓模型中进行故障智能诊断,并通过实验加以验证。（2）可拓学虽然在解决矛盾问题方面具有独特优势,但目前研究还在探索阶段,理论体系不够完善,对于复杂的非线性问题也没有有效的解决方案,而神经网络是处理非线性问题的主要工具。针对可拓学在故障诊断中不足,本文在传统可拓学的基础上进行改进,将可拓学与神经网络相结合,充分发挥各自的优势。因此,提出基于可拓神经网络的滚动轴承故障智能诊断,首先对滚动轴承振动数据建立AR模型,提取AR模型的系数和残差,并以其作为特征,然后用Fisher比对特征进行选择,最后将最终选择后的特征组成的特征向量输入到可拓神经网络中进行故障诊断识别,并对所提方法进行实验验证。（3）将可拓理论引入轴承性能退化评估。并利用AR和Fisher比值构成特征向量,将这些特征向量提供给用轴承正常状态样本训练的可拓模型。被测样本与正常条件下的可拓模型之间的相关程度,有望描述与正常条件下的相似性,从而作为健康指标。通过经验模型分解（EMD）和希尔伯特变换,进一步验证了所提出的健康指数对实验数据的最早期故障检测。
贾善坤[8]（2020）在《电动汽车远程诊断与服务系统的研究》文中进行了进一步梳理能源问题和环境污染问题促使电动汽车在人们的生活中逐渐普及,与此同时也带来了更多的安全隐患,电动汽车的安全性和可靠性是电动汽车最重要的性能。目前电动汽车的故障诊断和处理方式还有不足之处,电动汽车售后服务系统还有提升的空间。因此,对智能诊断处理技术进行研究,提高车辆安全性变得十分重要。本文通过研究了电动汽车故障诊断所存在的问题,设计了一套电动汽车远程诊断与服务系统,系统的主要研究内容如下。首先,从电动汽车远程诊断与服务系统的服务对象入手,通过研究分析系统的适用对象,对系统进行功能需求分析,确定系统的需求和设计目标,对系统的架构方案作出了详细安排。然后,研究了电动汽车常见的故障类型,对电动汽车故障类型进行了详细分类。分析了现有的故障诊断技术的缺点,针对传统故障诊断算法的局限性,研究基于人工神经网络的电动汽车智能故障诊断方法。在MATLAB中建立基于概率神经网络的电动汽车故障诊断模型,针对概率神经网络需要寻优的问题,采用改进的粒子群算法优化概率神经网络的平滑因子,仿真结果验证了诊断模型的可行性,提高了故障诊断的准确率。最后,基于B/S架构设计开发了电动汽车远程诊断与服务系统的远程客户端,并对远程客户端进行了功能性验证。
欧明望[9]（2019）在《基于神经网络的智能医疗诊断研究》文中指出随着社会发展越来越快,人们的生活节奏也紧随着社会的变化而变化。与此同时,人们对医疗健康问题的关注也随之递增。我国当前医疗问题主要为“医疗资源不平衡”,“看病难”,“看病贵”,“医疗误诊率高”等等,这些问题一直是我国医疗界的难题。随着信息技术地快速发展和进步,人工智能、云计算和互联网等新兴信息技术给人们带来了解决医疗难题的新思路。因此,数字医疗的概念已经得到了越来越多人的认可,其中医疗诊断是数字医疗的核心问题之一。医疗诊断的准确率及效率,与人们的生命健康息息相关,是一个不容忽视的重要问题。将信息科技运用于医疗诊断中,因此显得意义重大。本论文将多种神经网络模型应用到医疗诊断中,包括全连接神经网络,卷积神经网络。通过获取的医疗数据,运用jieba分词工具和当前流行的数据预处理技术,对错综复杂的医疗数据进行整理,并使用pandas或Word2Vec等工具将医疗数据对中文数据进行量化处理,将数据转换成one-hot二元变量或是稠密向量等计算机算法可识别格式。利用量化后的数据,训练全连接神经网络模型,卷积神经网络模型和Word2Vec+卷积神经网络模型,最后对比三个模型的医疗诊断准确率,同时与决策树模型进行比较和分析,并将准确率最高的模型部署到基于智能医疗诊断的医疗综合服务系统中。经过数据预处理得到量化数据,模型训练,最终结果显示Word2Vec+卷积神经网络的准确率高于其他模型,约为89%。基于神经网络的智能医疗诊断系统还有许多方面有待完善,例如预测准确率的提升,症状关联性改进,数据预处理方法等等,未来将从上述几个方面着手,进行更深入地探索。
杨佳澄[10]（2019）在《基于群体智能的中医辨证诊断研究》文中研究说明中医有着千年的历史文化积淀,在漫长的诊疗实践活动中,最终形成了一套蕴藏中华民族文化、历史,具有独特诊病模式的医疗体系,在临床上发挥着重要的作用,而且不断地丰富和发展。我国地大物博,地域差异显着,人文和自然环境等因素导致了医疗水平发展极不平衡,人民群众的健康需求亟待解决。西医诊断依赖于精密的检验检查仪器,对于资金匮乏、人员素质偏低的基层医疗单位有诸多束缚,中医在诊疗方面具有“源于中华,适于中华”得天独厚的发展优势,根据我国的国情、民情,大力发展中医药事业已成为我国卫生事业发展的重要环节,政府也把中医药事业发展提高到了国家战略发展前所未有的高度。然而作为一种传承性的经验医学,它具备了高维、模糊、不确定等一系列特点,缺乏明确、有效的规范和科学化的学习传承方式,严重制约了中医药事业的整体发展。本文旨在通过智能技术的运用从传统中医视角出发对中医证候诊断进行研究,引入群体智能理论,为中医辨证过程设计一个具有规范性和客观性的整体框架,并以中医中风病为研究对象建立集辅助诊断与学习传承为核心,具有广泛使用和推广价值的群体智能中医辨证诊断系统,为中医智能化、现代化和健康中国的总体布局提供具有现实意义的方法和手段。本文将在中医辨证诊断研究发展现状和相关智能技术的基础上,提出适宜中医临床现状（尤其是边远、医疗资源匮乏地区）,符合中医发展的智能化中医辨证诊断方法及临床诊断系统的实现。1.基于人工智能的中医临床辨证诊断思路与方法探讨西医诊断元素的不断渗透使得大量中医智能化诊断研究以中西医结合的形式开展,虽然在分析过程和诊断结果方面有其优越性,但却忽略了中医自身发展和临床现实意义的问题。在充分分析研究中医临床辨证诊断规律和现实问题的基础上,提出了“中医病名+中医证候+中医症状”的智能化中医辨证诊断研究思路,为中医临床辨证诊断的智能化研究提供切合现实的方向和指导。2.基于群体智能的中医辨证诊断方法学研究应用于智能化医学诊断的技术各有千秋,优缺点并存,根据中医辨证诊断的特点,在进行多方法对比研究后,引入基于群体智能的人工蜂群算法,通过对算法种群初始化、搜索策略和搜索行为的若干改进,提出了一种改进算法CS-ABC（Complex System Artificial Bee Colony Algorithm）,加以仿真实验证明,其进化速度、收敛精度和鲁棒性等方面表现突出,尤其对于高维函数寻优的过程中表现出对群体规模极强的鲁棒性,对照中医诊断中出现的高维复杂问题有着高度的契合性。3.在中医辨证诊断模型中建立一种“存疑虑”指标通过对中医临床病例数据特殊方式的“筛选”、“过滤”、“整形”“降维”等预处理,完成症状、证候的模糊化处理和主、次、兼证划分,综合运用CS-ABC算法、BP算法、模糊理论及神经网络构建了中医辨证诊断模型,在以1167例中风病临床病例诊断结果作为原始数据的仿真实验中,与其他智能和非智能方法加以对比,结果表明,该模型不仅提高了主证诊断准确率,次证和兼证诊断中其准确率也明显要优于其他方法,并在研究中提出了一种评价诊断的“存疑率”指标,这一指标可以在一定程度上辅助中医临床医师发现中医诊断普遍化规律,为中医辅助诊断和中医标准化研究提供了一种方法和思路。4.中医中风病辨证分型辅助诊断（学习）系统的研发在对中医辨证过程及其方法的研究基础上,利用已提出的群体智能中医辨证诊断模型,通过诊断模式和功能构架的设计,以开发过程中数据库管理、访问、实现等技术为内容,以JDBC中间件模型设计及连接池复用技术为保障,以诊断和学习功能的实现为目标,实现了系统的研发,并可使系统在新样本增加中,对模型不断完善。
二、基于人工神经网络的智能诊断系统(NNIDS)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于人工神经网络的智能诊断系统(NNIDS)（论文提纲范文）
（1）基于张量分解的旋转机械复合故障智能诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景及意义 |
| 1.3 旋转机械故障智能诊断方法国内外研究现状及分析 |
| 1.3.1 基于先验知识传统机械故障诊断方法 |
| 1.3.2 基于机器学习的机械故障诊断方法 |
| 1.3.3 基于深度学习的机械故障诊断方法 |
| 1.4 张量分解研究现状及分析 |
| 1.5 本文主要内容及章节结构 |
| 1.5.1 本文主要内容 |
| 1.5.2 章节安排 |
| 2 张量分解与自适应滤波截断的张量重构方法研究 |
| 2.1 张量的定义 |
| 2.2 张量分解方法 |
| 2.2.1 CP分解方法 |
| 2.2.2 Tucker分解方法 |
| 2.2.3 HOSVD分解 |
| 2.2.4 HT分解 |
| 2.2.5 TT分解和TC分解 |
| 2.2.6 TTr1分解方法 |
| 2.3 自适应滤波截断的张量重构方法 |
| 2.3.1 张量重构方法 |
| 2.3.2 自适应滤波截断的张量重构方法流程 |
| 2.3.3 自适应滤波截断的张量重构算法 |
| 2.4 本章小结 |
| 3 基于TTr1FS的旋转机械特征提取方法研究 |
| 3.1 问题描述 |
| 3.2 张量数据构建 |
| 3.3 连续小波变换 |
| 3.4 连续小波逆变换 |
| 3.5 基于TTr1FS的旋转机械特征提取方法 |
| 3.5.1 TTr1分解与重构 |
| 3.5.2 低秩目标函数 |
| 3.5.3 初始种群的联合概率密度函数 |
| 3.5.4 基于TTr1FS的旋转机械特征提取方法 |
| 3.6 基于TTr1FS的仿真分析 |
| 3.7 基于TTr1FS的实验分析 |
| 3.8 本章小结 |
| 4 基于同步提取变换的张量低秩分解智能诊断方法研究 |
| 4.1 问题描述 |
| 4.2 同步提取变换 |
| 4.3 基于同步提取变换的张量低秩分解(SLID)智能诊断方法 |
| 4.3.1 基于Alex Net卷积神经网络的智能诊断方法 |
| 4.3.2 数据训练和测试方法 |
| 4.3.3 SLID智能诊断方法流程 |
| 4.4 基于SLID的实验分析 |
| 4.4.1 基于凯斯西储大学数据的SLID方法实验分析 |
| 4.4.2 基于煤矿机械数据的SLID方法实验分析 |
| 4.5 本章小结 |
| 5 基于复合多尺度样本熵的张量分解故障诊断方法研究 |
| 5.1 问题描述 |
| 5.2 变分模态分解方法 |
| 5.3 不同信号处理方法的仿真分析和比较 |
| 5.4 特征提取方法 |
| 5.4.1 样本熵 |
| 5.4.2 多尺度样本熵 |
| 5.4.3 复合多尺度样本熵 |
| 5.5 复合多尺度样本熵的张量分解故障诊断方法 |
| 5.6 基于煤矿机械数据的VMDCMSE方法实验分析 |
| 5.7 本章小结 |
| 6 总结及展望 |
| 6.1 论文工作总结 |
| 6.2 主要创新点 |
| 6.3 工作展望 |
| 参考文献 |
| 附录 Ⅰ 缩略词表 |
| 附录 Ⅱ 张量的运算及性质 |
| 攻读博士期间发表的论文及所取得的研究成果 |
| 致谢 |
（2）基于VGG网络的发电机定转子智能诊断算法（论文提纲范文）
| 1 VGG网络 |
| 1.1 卷积神经网络 |
| (1)卷积层。 |
| (2)池化层。 |
| (3)全连接层。 |
| 1.2 VGG网络 |
| 2 发电机定转子智能诊断算法 |
| 3 算例分析 |
| 3.1 算法训练过程 |
| 3.2 算法性能分析 |
| 4 结束语 |
（3）机械装备智能故障诊断研究现状与发展趋势（论文提纲范文）
| 0 引言 |
| 1 传统故障诊断方法研究现状 |
| 2 现代智能故障诊断方法研究现状 |
| 3 展望 |
（4）人工智能辅助CT肺结节良恶性鉴别的研究进展（论文提纲范文）
| 1 人工智能判断肺结节性质的流程 |
| 1.1 获得图像并重新组合 |
| 1.2 分割轮廓 |
| 1.3 提取特征及筛选 |
| 1.4 构建预测模型并进行验证 |
| 2 人工智能模型用于鉴别肺结节性质的效能 |
| 3 人工智能诊断肺结节效能的影响因素 |
| 3.1 数据量差异 |
| 3.2 采集特征的方式 |
| 3.3 不同重建核 |
| 4 讨论 |
（5）人工智能在医学影像辅助诊断中的应用综述（论文提纲范文）
| 1 人工智能 |
| 1.1 AI学派 |
| 1.2 典型AI学习方法 |
| 1.2.1 深度学习 |
| 1.2.2 强化学习 |
| 1.2.3 迁移学习 |
| 2 代表性研究成果与转化 |
| 3 未来发展方向 |
| 4 小结 |
（6）人工智能在孤独症谱系障碍儿童临床诊断中的应用研究综述（论文提纲范文）
| 一、引言 |
| （一）人工智能技术及其优势 |
| 1. 诊断更省时 |
| 2. 预测更精准 |
| 3. 结果更稳定 |
| 二、人工智能技术在孤独症临床诊断中的应用 |
| （一）基于人工智能的孤独症早期识别研究 |
| 1. 关于孤独症与普通儿童的识别研究 |
| 2. 关于孤独症与其他共患病儿童的识别研究 |
| （二）基于人工智能的孤独症谱系障碍的预测研究 |
| 1. 针对孤独症谱系障碍基因的预测研究 |
| 2. 针对孤独症谱系障碍行为的预测研究 |
| 3. 对预测模型的精确度探索研究 |
| （三）基于人工智能的孤独症患者的诊断研究 |
| （四）基于人工智能的孤独症患者辅助干预研究 |
| 1. 人工智能对孤独症儿童技能发展的干预 |
| 2. 人工智能对孤独症儿童社交互动的干预 |
| 三、研究展望 |
| （一）明确辅助性发展定位 |
| （二）完善法律和法规制度 |
| （三）健全信息化数据体系 |
| （四）加强信息化安全建设 |
| （五）促进便携式设备发展 |
| （六）推动复合型人才培养 |
（7）滚动轴承可拓智能诊断与性能退化评估（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外相关研究 |
| 1.2.1 振动信号特征提取的研究现状 |
| 1.2.2 故障诊断技术的研究现状 |
| 1.2.3 性能评估研究现状 |
| 1.3 研究内容与结构安排 |
| 第二章 可拓学及可拓神经网络理论基础 |
| 2.1 可拓学 |
| 2.1.1 基元理论 |
| 2.1.2 物元的可拓性 |
| 2.1.3 可拓集合理论 |
| 2.1.4 关联函数 |
| 2.2 可拓神经网络 |
| 2.2.1 ENN学习算法 |
| 2.2.2 ENN优缺点分析 |
| 2.2.3 ENN应用的可行性分析 |
| 2.3 本章小结 |
| 第三章 滚动轴承故障时序可拓智能诊断方法 |
| 3.1 理论基础 |
| 3.1.1 滚动轴承振动信号的AR模型 |
| 3.1.2 可拓学相关理论 |
| 3.1.3 Fisher比 |
| 3.2 故障可拓智能识别方法 |
| 3.3 江苏千鹏故障模拟平台实验数据处理与分析 |
| 3.3.1 千鹏故障模拟平台实验数据特征提取与特征选择 |
| 3.3.2 千鹏故障模拟平台实验数据经典域物元与节域物元的建立 |
| 3.3.3 千鹏滚动轴承故障可拓智能识别 |
| 3.3.4 方法对比 |
| 3.4 凯斯西储大学实验数据处理与分析 |
| 3.4.1 凯斯西储大学实验数据特征提取与特征选择 |
| 3.4.2 凯斯西储大学实验数据经典域物元与节域物元的建立 |
| 3.4.3 凯斯西储大学滚动轴承故障可拓智能识别 |
| 3.4.4 方法对比 |
| 3.5 本章小结 |
| 第四章 基于可拓神经网络的滚动轴承故障智能诊断方法 |
| 4.1 可拓神经网络的结构及算法 |
| 4.2 故障可拓神经网络智能识别方法 |
| 4.3 实验数据处理与分析 |
| 4.3.1 特征提取与特征选择 |
| 4.3.2 经典域物元的建立 |
| 4.3.3 滚动轴承故障可拓神经网络智能识别 |
| 4.3.4 方法对比 |
| 4.4 本章小结 |
| 第五章 滚动轴承故障时序可拓性能退化评估 |
| 5.1 理论基础 |
| 5.2 轴承性能退化评估流程 |
| 5.3 实验数据与分析 |
| 5.3.1 特征参数提取 |
| 5.3.2 构建经典域物元和节域物元 |
| 5.3.3 全寿命轴承性能退化评估 |
| 5.4 包络谱分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 本文创新点 |
| 6.3 论文工作展望 |
| 参考文献 |
| 个人简历 在读期间发表的学术论文 |
| 致谢 |
（8）电动汽车远程诊断与服务系统的研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 电动汽车故障诊断方法 |
| 1.4 课题来源和本文主要研究内容 |
| 第二章 系统需求与架构方案设计 |
| 2.1 系统需求目标分析 |
| 2.1.1 系统服务对象研究 |
| 2.1.2 系统需求分析 |
| 2.1.3 系统设计目标 |
| 2.2 系统架构方案设计 |
| 2.2.1 系统总体架构 |
| 2.2.2 诊断算法方案设计 |
| 2.2.3 客户端架构模式选择 |
| 2.2.4 服务器与数据库选择 |
| 2.3 本章小结 |
| 第三章 电动汽车故障诊断算法研究 |
| 3.1 电动汽车故障分析 |
| 3.1.1 故障发生的原因 |
| 3.1.2 常见故障类型 |
| 3.1.3 基于神经网络的汽车故障诊断 |
| 3.2 概率神经网络简介 |
| 3.3 粒子群算法简介 |
| 3.4 基于PSO-PNN故障诊断算法 |
| 3.4.1 PNN故障诊断模型 |
| 3.4.2 PSO-PNN故障诊断模型 |
| 3.5 基于IPSO-PNN故障诊断算法 |
| 3.5.1 IPSO优化平滑因子 |
| 3.5.2 基于IPSO-PNN模型的故障诊断过程 |
| 3.6 故障诊断仿真与分析 |
| 3.6.1 故障数据采集 |
| 3.6.2 故障诊断仿真结果及分析 |
| 3.6.3 IPSO-PNN电动汽车故障诊断仿真结果 |
| 3.7 本章小结 |
| 第四章 远程服务客户端设计 |
| 4.1 系统开发环境及工具介绍 |
| 4.1.1 Sublime Text网页开发工具简介 |
| 4.1.2 Dreamweaver网页调试工具简介 |
| 4.2 数据中心设计 |
| 4.2.1 数据接收模块 |
| 4.2.2 数据存储模块 |
| 4.2.3 故障诊断模块 |
| 4.3 远程客户端功能模块设计 |
| 4.4 本章小结 |
| 第五章 远程客户端功能实现与分析 |
| 5.1 系统测试环境 |
| 5.2 客户端功能 |
| 5.2.1 用户注册和登录功能 |
| 5.2.2 车辆管理功能 |
| 5.2.3 个人中心 |
| 5.2.4 车辆监控功能 |
| 5.2.5 诊断功能与统计分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
（9）基于神经网络的智能医疗诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 概述 |
| 1.1. 研究背景与意义 |
| 1.2. 课题研究现状 |
| 1.2.1. 我国医疗现状分析 |
| 1.2.2. 医疗诊断技术现状分析 |
| 1.3. 论文主要工作 |
| 2. 智能医疗诊断关键技术研究 |
| 2.1. 监督学习理论 |
| 2.2. 数据预处理技术 |
| 2.2.1. jieba中文分词技术 |
| 2.2.2. 自然出语言处理工具Word2Vec |
| 2.2.3. 二元变量数据类型 |
| 2.3. 神经网络算法研究 |
| 2.3.1. 神经网络简介 |
| 2.3.2. 卷积神经网络 |
| 2.3.3. 神经网络优缺点 |
| 2.4. 决策树算法研究 |
| 3. 医疗诊断系统需求分析 |
| 3.1. 目的与意义 |
| 3.2. 可行性分析 |
| 3.2.1. 算法可行性分析 |
| 3.2.2. 系统可行性分析 |
| 3.2.3. 经济可行性分析 |
| 3.3. 目标人群 |
| 3.3.1. 专业医生 |
| 3.3.2. 健康保健 |
| 3.3.3. 工作繁忙 |
| 3.3.4. 小病小治 |
| 3.3.5. 隐私保护 |
| 3.4. 系统特点 |
| 3.5. 系统功能性需求分析 |
| 3.5.1. 智能诊断 |
| 3.5.2. 疾病百科 |
| 3.5.3. 应急手册 |
| 3.6. 系统非功能性需求分析 |
| 3.6.1. 性能需求 |
| 3.6.2. 安全性和完整性需求 |
| 3.6.3. 系统设计遵循的标准和规范 |
| 4. 医疗诊断算法设计与分析 |
| 4.1. 解决问题 |
| 4.2. 数据预处理 |
| 4.2.1. 数据来源 |
| 4.2.2. 数据处理 |
| 4.2.3. 数据转换 |
| 4.2.4. 数据汇总 |
| 4.3. 模型算法设计 |
| 4.3.1. 全连接神经网络算法设计 |
| 4.3.2. 卷积神经网络算法设计 |
| 4.3.3. Word2vec模型与卷积神经网络算法设计 |
| 4.3.4. 模型评估 |
| 4.3.5. 实验结果分析 |
| 4.4. 本章小结 |
| 5. 智能医疗诊断系统的设计与实现 |
| 5.1. 解决问题 |
| 5.2. 系统设计原则 |
| 5.3. 系统模块设计 |
| 5.3.1. 系统模块数据流 |
| 5.3.2. 智能诊断模块 |
| 5.3.3. 疾病百科模块 |
| 5.3.4. 应急手册模块 |
| 5.4. 系统开发环境 |
| 5.5. 系统前端实现 |
| 5.5.1. 智能诊断模块前端实现 |
| 5.5.2. 疾病百科模块前端实现 |
| 5.5.3. 应急手册模块前端实现 |
| 5.6. 系统后端实现 |
| 5.6.1. 智能诊断模块后端实现 |
| 5.6.2. 疾病百科模块后端实现 |
| 5.6.3. 应急手册模块后端实现 |
| 5.7. 系统并发处理方案 |
| 5.8. 服务器压力测试 |
| 5.9. 系统功能测试 |
| 5.9.1. 智能诊断模块 |
| 5.9.2. 疾病百科模块 |
| 5.9.3. 应急手册模块 |
| 5.10. 本章小结 |
| 6. 总结与展望 |
| 6.1. 工作总结 |
| 6.2. 不足与展望 |
| 本论文研究成果 |
| 参考文献 |
| 致谢 |
（10）基于群体智能的中医辨证诊断研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及论文结构 |
| 1.3.1 主要研究内容 |
| 1.3.2 论文总体结构 |
| 2 中医中风与及智能诊断方法 |
| 2.1 中医中风的认知 |
| 2.2 中医智能诊断方法 |
| 2.3 群体智能诊断算法 |
| 2.3.1 群体智能算法的特点 |
| 2.3.2 群体智能算法的计算模式 |
| 2.3.3 遗传算法 |
| 2.3.4 差异演化算法 |
| 2.3.5 粒子群优化算法 |
| 2.3.6 人工蜂群算法 |
| 2.4 智能诊断方法选择 |
| 2.4.1 中医辨证论治的特点 |
| 2.4.2 模糊神经网络的选择 |
| 2.4.3 人工蜂群算法的选择 |
| 2.5 本章小结 |
| 3 改进的人工蜂群算法 |
| 3.1 人工蜂群算法的不足 |
| 3.2 人工蜂群算法的改进原理 |
| 3.2.1 基于佳点集理论的种群初始化改进 |
| 3.2.2 基于逆向贪婪选择的搜索策略改进 |
| 3.2.3 基于信息交互的搜索行为的改进 |
| 3.2.4 基于改进后的CS-ABC算法的操作流程 |
| 3.3 算法性能仿真分析 |
| 3.3.1 测试函数的选择及参数设置 |
| 3.3.2 算法的进化性能分析 |
| 3.3.3 算法鲁棒性分析 |
| 3.4 本章小结 |
| 4 中医辨证诊断的智能化研究 |
| 4.1 数据准备 |
| 4.1.1 中风病临床数据的入选标准 |
| 4.1.2 中风病临床数据的预处理 |
| 4.1.3 数据降维 |
| 4.2 模糊神经网络中医中风病诊断模型的建立 |
| 4.2.1 模糊神经网络的构建 |
| 4.2.2 网络参数的设置 |
| 4.2.3 基于CS-ABC优化的BP神经网络中医中风病诊断 |
| 4.3 结果与分析 |
| 4.4 本章小结 |
| 5 中医辨证分型辅助诊断(学习)系统 |
| 5.1 中医辨证分型辅助诊断(学习)系统开发的目的 |
| 5.2 辨证分型诊断(学习)系统的构架 |
| 5.3 系统开发流程及设计 |
| 5.3.1 数据库的管理 |
| 5.3.2 动态web的实现 |
| 5.3.3 开发语言的选择 |
| 5.3.4 数据库访问技术 |
| 5.4 系统的功能的实现 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间的研究成果 |
四、基于人工神经网络的智能诊断系统(NNIDS)（论文参考文献）
- [1]基于张量分解的旋转机械复合故障智能诊断方法研究[D]. 郭文孝. 中北大学, 2021
- [2]基于VGG网络的发电机定转子智能诊断算法[J]. 李诚,刘昊,蒋希峰,吴军法,韩文刚,高建国. 电子科技, 2021(11)
- [3]机械装备智能故障诊断研究现状与发展趋势[J]. 李洪,刘培邦,汤胜楠,朱勇,周岭. 电子技术应用, 2021(S1)
- [4]人工智能辅助CT肺结节良恶性鉴别的研究进展[J]. 陈师,胡剑鹏,徐伟,张骥,吴吉明. 中国现代医生, 2021(30)
- [5]人工智能在医学影像辅助诊断中的应用综述[J]. 邱陈辉,黄崇飞,夏顺仁,孔德兴. 航天医学与医学工程, 2021(05)
- [6]人工智能在孤独症谱系障碍儿童临床诊断中的应用研究综述[J]. 王海静,王志丹,邢冰冰. 陕西学前师范学院学报, 2021(08)
- [7]滚动轴承可拓智能诊断与性能退化评估[D]. 雷兵. 华东交通大学, 2020(05)
- [8]电动汽车远程诊断与服务系统的研究[D]. 贾善坤. 合肥工业大学, 2020(02)
- [9]基于神经网络的智能医疗诊断研究[D]. 欧明望. 海南大学, 2019(01)
- [10]基于群体智能的中医辨证诊断研究[D]. 杨佳澄. 兰州交通大学, 2019(03)