| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 基于粗糙集和证据理论的信息融合方法的研究意义 | 第11页 |
| 1.2 国内外研究现状及意义 | 第11-13页 |
| 1.2.1 粗糙集理论的研究现状 | 第11-12页 |
| 1.2.2 D-S证据理论的研究现状 | 第12页 |
| 1.2.3 基于粗糙集和证据理论的信息融合方法的研究现状及进展 | 第12-13页 |
| 1.3 本文的主要内容与结构介绍 | 第13-15页 |
| 1.3.1 本文的主要研究内容 | 第13页 |
| 1.3.2 本文的结构划分及介绍 | 第13-15页 |
| 第2章 粗糙集理论及D-S证据理论 | 第15-23页 |
| 2.1 粗糙集理论 | 第15-17页 |
| 2.1.1 粗糙集理论的基本概念 | 第15-17页 |
| 2.1.2 属性约简的定义 | 第17页 |
| 2.2 D-S证据理论 | 第17-22页 |
| 2.2.1 D-S证据理论的基本概念 | 第18-19页 |
| 2.2.2 信任区间与不确定性表示 | 第19-20页 |
| 2.2.3 Dempster合成规则 | 第20-22页 |
| 2.3 小结 | 第22-23页 |
| 第3章 基于粗糙集和D-S证据理论的多源信息融合 | 第23-31页 |
| 3.1 信息融合常用方法 | 第23-25页 |
| 3.1.1 常用的单一算法 | 第23-24页 |
| 3.1.2 互补算法相结合的信息融合方法 | 第24-25页 |
| 3.2 基于粗糙集和D-S证据理论的信息融合方法 | 第25-29页 |
| 3.2.1 连续属性离散化 | 第25-26页 |
| 3.2.2 粗糙集属性约简方法 | 第26-27页 |
| 3.2.3 基本可信度分配的获取过程 | 第27-28页 |
| 3.2.4 证据合成方法 | 第28-29页 |
| 3.3 小结 | 第29-31页 |
| 第4章 船舶冷却水系统及故障介绍 | 第31-40页 |
| 4.1 船舶冷却水系统概述 | 第31-33页 |
| 4.2 "育鲲"轮中央冷却系统 | 第33-37页 |
| 4.2.1 海水冷却系统 | 第33-34页 |
| 4.2.2 低温淡水冷却系统 | 第34-35页 |
| 4.2.3 高温淡水冷却系统 | 第35-37页 |
| 4.3 船舶冷却水系统常见故障 | 第37-39页 |
| 4.3.1 海水冷却系统常见故障 | 第37页 |
| 4.3.2 低温淡水冷却系统常见故障 | 第37-38页 |
| 4.3.3 高温淡水冷却系统常见故障 | 第38-39页 |
| 4.4 小结 | 第39-40页 |
| 第5章 船舶冷却水系统故障智能诊断应用研究 | 第40-59页 |
| 5.1 船舶冷却水系统的智能诊断 | 第40页 |
| 5.2 船舶冷却水系统故障诊断的问题概述 | 第40-41页 |
| 5.3 基于信息融合的船舶冷却水系统故障诊断 | 第41-58页 |
| 5.3.1 模型搭建 | 第41-43页 |
| 5.3.2 数据预处理暨连续属性离散化 | 第43-51页 |
| 5.3.3 属性约简 | 第51-54页 |
| 5.3.4 基本可信度分配 | 第54-55页 |
| 5.3.5 证据合成 | 第55-58页 |
| 5.4 小结 | 第58-59页 |
| 第6章 船舶冷却水系统故障诊断的仿真实验 | 第59-69页 |
| 6.1 船舶系统故障诊断仿真系统框架 | 第59-61页 |
| 6.2 船舶冷却水系统故障诊断仿真软件 | 第61-68页 |
| 6.2.1 仿真软件开发 | 第61页 |
| 6.2.2 融合算法编程的实现 | 第61-65页 |
| 6.2.3 仿真软件的界面及功能介绍 | 第65-68页 |
| 6.3 小结 | 第68-69页 |
| 结论与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间参加的科研项目 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |