| 致谢 | 第3-4页 |
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 变量注释表 | 第16-18页 |
| 1 绪论 | 第18-25页 |
| 1.1 选题研究背景和意义 | 第18页 |
| 1.2 矿井提升系统概述 | 第18-21页 |
| 1.3 国内外研究现状 | 第21-25页 |
| 2 多传感器数据融合的基本理论 | 第25-38页 |
| 2.1 多传感器数据融合的基本原理 | 第25-26页 |
| 2.2 多传感器数据融合的过程 | 第26-30页 |
| 2.3 多传感器数据融合的属性 | 第30-32页 |
| 2.4 多传感器数据融合的结构 | 第32-34页 |
| 2.5 多传感器数据融合的方法 | 第34-36页 |
| 2.6 本章小结 | 第36-38页 |
| 3 提升机故障诊断的相关问题分析 | 第38-47页 |
| 3.1 提升机故障分析及故障树建立 | 第38-41页 |
| 3.2 提升机故障诊断方法 | 第41-43页 |
| 3.3 提升机故障诊断过程中的不确定性 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 4 基于BP神经网络的多压力传感器温度补偿数据融合算法 | 第47-62页 |
| 4.1 神经网络的特点 | 第47-48页 |
| 4.2 BP神经网络数据融合原理 | 第48-55页 |
| 4.3 基于BP神经网络的压力传感器融合温度环境的实验 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 5 基于DS证据理论的提升系统故障诊断设计 | 第62-79页 |
| 5.1 多源参数故障诊断系统的系统设计 | 第62-67页 |
| 5.2 多源参数故障诊断系统的人机交互界面 | 第67-69页 |
| 5.3 提升系统故障诊断信号分析界面 | 第69-77页 |
| 5.4 本章小结 | 第77-79页 |
| 6 基于DS证据理论的数据融合在提升机故障诊断的应用 | 第79-89页 |
| 6.1 DS证据理论的基本原理 | 第79-82页 |
| 6.2 DS证据理论的基本规则及改进方法 | 第82-85页 |
| 6.3 DS证据理论在矿井提升系统中的应用实例 | 第85-88页 |
| 6.4 本章小结 | 第88-89页 |
| 7 总结与展望 | 第89-91页 |
| 7.1 全文总结 | 第89-90页 |
| 7.2 研究展望 | 第90-91页 |
| 参考文献 | 第91-96页 |
| 作者简历 | 第96-98页 |
| 学位论文数据集 | 第98页 |
