| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·本课题研究的目的和意义 | 第9页 |
| ·输送机减速器故障诊断方法的研究现状 | 第9-11页 |
| ·输送机减速器故障诊断国外研究现状 | 第9-10页 |
| ·输送机减速器故障诊断方法国内研究现状 | 第10-11页 |
| ·多传感器信息融合方法 | 第11-13页 |
| ·概述 | 第11页 |
| ·研究与应用 | 第11-12页 |
| ·在故障诊断中应用的优点 | 第12-13页 |
| ·研究目标 | 第13页 |
| ·本文研究内容 | 第13-15页 |
| 第二章 减速器故障分析及多传感器信息融合的应用过程 | 第15-31页 |
| ·引言 | 第15页 |
| ·故障类型分析及诊断方法研究 | 第15-19页 |
| ·故障类型及相关因素 | 第15-17页 |
| ·减速器故障树及诊断方法研究 | 第17-19页 |
| ·特征值提取及分析 | 第19-25页 |
| ·信号测取与分析 | 第19-20页 |
| ·基于时域信号的特征参数提取和分析 | 第20-24页 |
| ·基于频域信号的特征信号提取和分析 | 第24-25页 |
| ·多传感器信息融合技术在减速器故障诊断的应用分析 | 第25-29页 |
| ·减速器故障诊断过程的介绍 | 第25-26页 |
| ·故障诊断模型 | 第26页 |
| ·融合方法的选取 | 第26-28页 |
| ·融合层次的选取 | 第28-29页 |
| ·输送机减速器多传感器信息融合模型 | 第29-30页 |
| ·特征层故障诊断模型 | 第29-30页 |
| ·决策层故障诊断模型 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 D-S 证据融合法在输送机减速器故障诊断中的应用 | 第31-44页 |
| ·引言 | 第31页 |
| ·D-S 证据理论方法的理论概述 | 第31-35页 |
| ·D-S 证据理论中的基本概念 | 第31-32页 |
| ·合成规则 | 第32-34页 |
| ·在故障检测中应用的过程 | 第34-35页 |
| ·D-S 证据理论在输送机减速器故障检测中的应用过程 | 第35-39页 |
| ·结构模型 | 第35-36页 |
| ·证据体的获取 | 第36-37页 |
| ·减速器故障诊断过程 | 第37-39页 |
| ·减速器故障诊断的实例分析 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 神经网络在输送机减速器故障检测中的应用 | 第44-58页 |
| ·引言 | 第44页 |
| ·人工神经网络 | 第44-47页 |
| ·人工神经网络原理 | 第44-45页 |
| ·人工神经网络用于减速器故障检测的优势 | 第45-46页 |
| ·神经网络在减速器故障诊断中的应用模型 | 第46-47页 |
| ·BP 神经网络故障诊断 | 第47-52页 |
| ·BP 神经网络概述 | 第47-48页 |
| ·实例分析 | 第48-52页 |
| ·径向基神经网络故障诊断 | 第52-57页 |
| ·径向基网络概述 | 第52-56页 |
| ·实例分析 | 第56-57页 |
| ·BP 网络、RBF 网络故障诊断效果及性能比较 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第五章 神经网络与 D-S 证据结合的减速器故障诊断 | 第58-62页 |
| ·引言 | 第58页 |
| ·神经网络的选取 | 第58页 |
| ·实例分析 | 第58-61页 |
| ·待测样本数据 | 第58-59页 |
| ·网络训练及待测样本结果输出 | 第59-60页 |
| ·确定证据体 | 第60页 |
| ·D-S 融合 | 第60-61页 |
| ·结果分析 | 第61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录 A | 第68-70页 |
| 个人简历 在学期间发表的学术论文与研究成果 | 第70页 |
