| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究目的与意义 | 第9页 |
| 1.2 国内外研究成果与发展现状 | 第9-13页 |
| 1.3 选择多源信息融合算法的原因 | 第13-14页 |
| 1.4 课题来源与章节安排 | 第14-16页 |
| 第二章 气体扩散模型 | 第16-25页 |
| 2.1 连续点源气体扩散模型 | 第16-21页 |
| 2.1.1 高斯烟羽模型 | 第16-19页 |
| 2.1.2 小风和静风时的点源扩散模型 | 第19-21页 |
| 2.2 瞬时点源泄放气体扩散模型 | 第21-23页 |
| 2.2.1 半球扩散模型 | 第21-22页 |
| 2.2.2 高斯烟团模型 | 第22-23页 |
| 2.3 其他常用的气体扩散模型 | 第23-24页 |
| 2.3.1 B.M.模型 | 第23页 |
| 2.3.2 Sutton模型 | 第23页 |
| 2.3.3 FEM3模型 | 第23-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于模糊控制的气体扩散模型选择 | 第25-34页 |
| 3.1 模糊控制理论 | 第25-28页 |
| 3.1.1 输入量的模糊化 | 第26-27页 |
| 3.1.2 模糊推理 | 第27-28页 |
| 3.1.3 反模糊化 | 第28页 |
| 3.2 气体扩散模型的选择经验 | 第28-29页 |
| 3.3 气体扩散模型的模糊推理系统设计 | 第29-32页 |
| 3.4 仿真实验 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 多源信息融合技术 | 第34-44页 |
| 4.1 加权平均融合方法 | 第34-37页 |
| 4.1.1 权值为标准正态分布密度函数的加权平均法 | 第35-36页 |
| 4.1.2 加权平均法的数据融合 | 第36-37页 |
| 4.2 Bayes推理理论 | 第37-38页 |
| 4.2.1 Bayes推理公式 | 第37页 |
| 4.2.2 基于Bayes推理的物体识别 | 第37-38页 |
| 4.3 证据决策理论 | 第38-43页 |
| 4.3.1 证据决策理论的基本概念 | 第38-40页 |
| 4.3.2 基于证据决策理论的气体泄漏源判定 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 第五章 可应用于气体泄漏源搜寻的算法 | 第44-52页 |
| 5.1 基于多源信息融合的搜寻方法 | 第45-49页 |
| 5.1.1 模型选择 | 第46-47页 |
| 5.1.2 融合过程及算法 | 第47-49页 |
| 5.2 实验 | 第49-51页 |
| 5.3 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 研究总结 | 第52-53页 |
| 6.2 研究展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 发表论文和科研情况说明 | 第58-59页 |
| 致谢 | 第59-60页 |