| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·HAGC 系统故障诊断技术概述 | 第11-14页 |
| ·HAGC 系统故障诊断技术的特点及研究意义 | 第11-12页 |
| ·HAGC 系统故障诊断技术的发展及研究现状 | 第12-13页 |
| ·存在的主要问题 | 第13-14页 |
| ·智能故障诊断技术概述 | 第14-15页 |
| ·智能故障诊断技术的研究现状 | 第14-15页 |
| ·智能故障诊断技术存在的主要问题 | 第15页 |
| ·课题来源及主要研究内容 | 第15-17页 |
| 第2章 HAGC 系统模型简介与时域特征诊断 | 第17-34页 |
| ·引言 | 第17页 |
| ·HAGC 系统分析 | 第17-20页 |
| ·HAGC 系统的组成 | 第17-19页 |
| ·HAGC 系统的控制方式 | 第19-20页 |
| ·HAGC 系统仿真模型的选择 | 第20-22页 |
| ·液压控制系统的常用研究方法 | 第20页 |
| ·仿真模型的建立 | 第20-22页 |
| ·模型的时域分析 | 第22-33页 |
| ·HAGC 系统模型仿真及动态响应分析 | 第22-26页 |
| ·故障的模拟分析 | 第26-32页 |
| ·故障特征判据的建立 | 第32-33页 |
| ·本章小节 | 第33-34页 |
| 第3章 基于参数辨识理论的 HAGC 系统故障诊断 | 第34-47页 |
| ·引言 | 第34页 |
| ·系统辨识的基本理论 | 第34-36页 |
| ·MATLAB 中系统辨识 | 第34-35页 |
| ·辨识的内容和步骤 | 第35-36页 |
| ·模型的选择 | 第36页 |
| ·ARX 模型在轧机故障诊断中的应用 | 第36-46页 |
| ·模型定阶 | 第36-39页 |
| ·系统辨识过程 | 第39-40页 |
| ·模型的验证 | 第40-41页 |
| ·故障模型的辨识研究 | 第41-43页 |
| ·模型辨识参数的拟合方程 | 第43-46页 |
| ·本章小节 | 第46-47页 |
| 第4章 基于数据融合理论的 HAGC 系统故障综合诊断 | 第47-58页 |
| ·引言 | 第47页 |
| ·信息融合技术 | 第47-48页 |
| ·信息融合技术的优点 | 第47页 |
| ·信息融合诊断的系统构成 | 第47-48页 |
| ·HAGC 系统信息融合框架 | 第48页 |
| ·多判据融合理论 | 第48-54页 |
| ·D-S 理论简介 | 第48-51页 |
| ·概率分配函数的组合 | 第51-52页 |
| ·多判据融合的识别诊断框架 | 第52-53页 |
| ·证据组合与决策 | 第53-54页 |
| ·实例分析 | 第54-57页 |
| ·本章小节 | 第57-58页 |
| 第5章 HAGC 系统故障诊断系统开发 | 第58-72页 |
| ·引言 | 第58页 |
| ·智能诊断系统概述 | 第58-59页 |
| ·智能诊断系统的定义及优点 | 第58-59页 |
| ·智能诊断系统的发展趋势 | 第59页 |
| ·板带轧机智能故障诊断系统设计 | 第59-60页 |
| ·开发平台工具的选择 | 第59-60页 |
| ·诊断流程设计 | 第60页 |
| ·板带轧机智能故障诊断系统的实现 | 第60-70页 |
| ·本章小节 | 第70-72页 |
| 结论 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第77-78页 |
| 致谢 | 第78-79页 |
| 作者简介 | 第79页 |