| 摘要 | 第1-7页 |
| ABSTRACT | 第7-13页 |
| 第一章 绪论 | 第13-27页 |
| ·选题背景及意义 | 第13-15页 |
| ·泵车液压系统故障诊断技术的研究现状及发展趋势 | 第15-23页 |
| ·液压系统故障诊断的主要方法 | 第15-17页 |
| ·液压系统故障诊断研究现状 | 第17-21页 |
| ·液压系统故障诊断技术存在的问题 | 第21-23页 |
| ·面向物联网的泵车液压系统远程故障诊断技术 | 第23-24页 |
| ·本文的主要内容与结构安排 | 第24-27页 |
| 第二章 面向物联网的泵车故障诊断系统 | 第27-53页 |
| ·系统方案 | 第27-29页 |
| ·安全车载终端系统 | 第29-48页 |
| ·总体结构 | 第29-33页 |
| ·车载终端硬件设计与实现 | 第33-37页 |
| ·车载终端软件设计 | 第37-48页 |
| ·实验及结果分析 | 第48-52页 |
| ·嵌入式系统实验环境搭建 | 第48-50页 |
| ·可信平台实验结果与分析 | 第50-51页 |
| ·数据传输实验结果与分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第三章 基于神经网络的液压系统控制子系统故障诊断 | 第53-79页 |
| ·基本知识 | 第53-63页 |
| ·BP神经网络 | 第54-56页 |
| ·Elman神经网络 | 第56-58页 |
| ·Hopfield神经网络 | 第58-60页 |
| ·微粒群算法 | 第60-63页 |
| ·改进的PSO-Elman神经网络 | 第63-65页 |
| ·改进的PSO算法 | 第63-64页 |
| ·改进的PSO-Elman神经网络 | 第64-65页 |
| ·PSO-H-BP神经网络 | 第65-67页 |
| ·实验结果及分析 | 第67-73页 |
| ·改进的PSO算法 | 第67-69页 |
| ·改进的PSO-Elman神经网络 | 第69-71页 |
| ·PSO-H-BP神经网络 | 第71-73页 |
| ·故障诊断实例 | 第73-77页 |
| ·基于改进PSO-Elman神经网络的液压系统溢流阀故障诊断 | 第73-76页 |
| ·基于PSO-H-BP神经网络的液压缸故障诊断 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第四章 基于FSVM的液压控制子系统故障诊断 | 第79-104页 |
| ·FSVM基本原理 | 第79-83页 |
| ·SVM概述 | 第79-80页 |
| ·FSVM概述 | 第80-83页 |
| ·基于双层FSVM结构的故障诊断模型 | 第83-84页 |
| ·改进的FSVM算法 | 第84-97页 |
| ·自适应SMO训练算法 | 第84-88页 |
| ·基于GASA的FSVM优化算法 | 第88-97页 |
| ·基于双层FSVM网络模型的换向阀故障诊断实例 | 第97-103页 |
| ·数值型征兆的归一化处理 | 第97-98页 |
| ·基于小波包能量熵的噪声信号特征提取 | 第98-101页 |
| ·基于双层FSVM网络模型的换向阀故障诊断 | 第101-103页 |
| ·本章小结 | 第103-104页 |
| 第五章 基于多传感信息融合技术的液压动力子系统故障诊断 | 第104-136页 |
| ·多传感信息融合故障诊断方法 | 第105-108页 |
| ·多传感信息融合理论基础 | 第105-107页 |
| ·基于多传感器信息融合的故障诊断系统框架 | 第107-108页 |
| ·基于神经网络的特征层诊断算法 | 第108-116页 |
| ·改进的PSO-RBF温度子网模型 | 第109-114页 |
| ·PSO-BP振动子网模型 | 第114-115页 |
| ·基于神经网络的BPA的获取方法 | 第115-116页 |
| ·基于证据理论的决策层融合算法 | 第116-127页 |
| ·证据理论基本概念 | 第116-121页 |
| ·改进的D-S组合规则 | 第121-126页 |
| ·改进的D-S决策规则 | 第126-127页 |
| ·基于多传感信息融合的液压系统柱塞泵故障诊断 | 第127-134页 |
| ·液压柱塞泵故障机理及其常见故障模式 | 第127-129页 |
| ·基于多神经网络和D-S证据理论的信息融合故障诊断 | 第129-134页 |
| ·本章小结 | 第134-136页 |
| 第六章 结论 | 第136-138页 |
| 参考文献 | 第138-150页 |
| 致谢 | 第150-152页 |
| 攻读博士学位期间所发表的论文及其它科研成果 | 第152-154页 |
