多传感器的信息融合在车载故障诊断中的应用研究
| 第1章 绪论 | 第1-15页 |
| ·多传感器融合技术的发展 | 第9-11页 |
| ·多传感器信息融合的提出 | 第9页 |
| ·多传感器信息融合技术的国内外研究现状 | 第9-11页 |
| ·多传感器信息融合研究内容 | 第11-12页 |
| ·多传感器信息融合技术研究展望 | 第12-13页 |
| ·课题提出的背景与意义 | 第13页 |
| ·论文的主要研究工作及组织结构 | 第13-15页 |
| ·研究工作 | 第13-14页 |
| ·组织结构 | 第14-15页 |
| 第2章 多传感器信息融合的理论基础 | 第15-21页 |
| ·信息融合的级别 | 第15-16页 |
| ·信息融合的结构形式 | 第16-17页 |
| ·多传感器信息融合系统模型 | 第17-19页 |
| ·多传感器融合过程 | 第19-20页 |
| ·多传感器信息融合的关键技术 | 第20-21页 |
| ·数据转换 | 第20页 |
| ·数据相关 | 第20页 |
| ·融合推理 | 第20-21页 |
| 第3章 人工神经网络和模糊诊断理论 | 第21-30页 |
| ·人工神经网络的构成 | 第21-25页 |
| ·人工神经网络的基本要素 | 第21-23页 |
| ·人工神经网络的互连模式 | 第23-25页 |
| ·模糊理论 | 第25-26页 |
| ·模糊概念 | 第25页 |
| ·故障原因集和征兆集 | 第25-26页 |
| ·模糊关系矩阵 | 第26页 |
| ·故障诊断中的模糊逻辑与神经网络的结合 | 第26-30页 |
| ·模糊逻辑方法 | 第26-27页 |
| ·人工神经网络技术 | 第27-28页 |
| ·模糊逻辑与神经网络的结合 | 第28-30页 |
| 第4章 基于模糊神经网络的模糊评判方法的研究 | 第30-47页 |
| ·模糊神经网络的结构 | 第30-32页 |
| ·模糊神经网络的学习和解释 | 第32-34页 |
| ·隶属函数和模糊规则修正机制 | 第32-34页 |
| ·隶属函数和模糊规则抽取 | 第34页 |
| ·模糊综合评判理论 | 第34-41页 |
| ·模糊诊断矩阵的构造与隶属函数的确立 | 第34-37页 |
| ·模糊综合评判方法 | 第37-39页 |
| ·模糊综合评判的模型 | 第39-41页 |
| ·基于模糊神经网络的模糊评判方法的研究 | 第41-43页 |
| ·模糊神经网络的综合评判方法 | 第41-43页 |
| ·融合信息有效性模糊综合评判算法 | 第43页 |
| ·信息融合诊断中心的建立 | 第43页 |
| ·实例分析 | 第43-47页 |
| 第5章 基于模糊神经网络的车载故障信息融合诊断 | 第47-69页 |
| ·基于诊断树理论的车载故障诊断方法 | 第47-51页 |
| ·故障树分析法 | 第47-48页 |
| ·故障诊断树及其结构 | 第48-49页 |
| ·诊断树的优化 | 第49-50页 |
| ·诊断推理策略 | 第50-51页 |
| ·诊断参数的选择 | 第51-57页 |
| ·诊断参数的选择原则 | 第51页 |
| ·发动机故障诊断参数 | 第51-53页 |
| ·发动机测试中数据的预处理 | 第53-55页 |
| ·特征参数数据归一化 | 第55-57页 |
| ·基于BP模糊神经网络的汽车发动机诊断系统的研究 | 第57-69页 |
| ·Sigmoid激发函数下的BP算法 | 第57-58页 |
| ·多层网络BP算法的设计 | 第58-61页 |
| ·神经网络故障诊断专家系统推理机制 | 第61-63页 |
| ·基于BP神经网络的模糊故障诊断 | 第63-64页 |
| ·实例分析 | 第64-69页 |
| 第6章 结论与展望 | 第69-71页 |
| ·总结 | 第69页 |
| ·工作展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 攻读硕士期间所发表的学术论文与参与的项目 | 第74-75页 |
| 致谢 | 第75页 |
