| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 图表清单 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·数据融合技术的起源与发展 | 第11-13页 |
| ·数据融合技术在国内外的发展现状 | 第13-14页 |
| ·论文组织 | 第14-16页 |
| 第二章 数据融合技术 | 第16-29页 |
| ·数据融合技术的原理 | 第16页 |
| ·数据融合的定义与基本概念 | 第16-18页 |
| ·数据融合系统的模型 | 第18-26页 |
| ·数据融合系统的功能模型 | 第18-20页 |
| ·数据融合的信息层次模型 | 第20-23页 |
| ·数据融合的结构模型 | 第23-26页 |
| ·数据融合的关键技术 | 第26-27页 |
| ·数据融合技术的优越性 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 数据融合的算法 | 第29-38页 |
| ·数据融合算法简介 | 第29-31页 |
| ·基于Bayes 推理的融合算法 | 第31-35页 |
| ·Bayes 公式描述 | 第32页 |
| ·基于Bayes 推理的数据融合方法 | 第32-34页 |
| ·Bayes 推理的优点与缺陷 | 第34-35页 |
| ·自适应加权数据融合方法 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第四章 多模型状态监测和故障预报系统 | 第38-51页 |
| ·多模型状态检测和故障预报系统的结构 | 第38-39页 |
| ·基于MSPC 技术的状态监测和故障预报模型 | 第39-40页 |
| ·主元分析法 | 第39-40页 |
| ·偏最小二乘法 | 第40页 |
| ·基于神经网络技术状态监测和故障预报模型 | 第40-50页 |
| ·神经网络的基本原理 | 第40-44页 |
| ·BP 神经网络 | 第44-48页 |
| ·Elman 神经网络 | 第48-50页 |
| ·小结 | 第50-51页 |
| 第五章 针对FCCU 系统的多模型故障预报 | 第51-63页 |
| ·FCCU 工艺简介 | 第51-53页 |
| ·针对FCCU 仿真数据的多模型状态监测 | 第53-60页 |
| ·系统及模型描述 | 第53-55页 |
| ·多模型状态监测的结果 | 第55-60页 |
| ·多模型决策融合的结果及分析 | 第60-62页 |
| ·利用自适应加权算法进行决策融合及结果分析 | 第60页 |
| ·利用Bayes 算法进行决策融合和结果分析 | 第60-62页 |
| ·小结 | 第62-63页 |
| 第六章针对Feedback34-250 的多模型故障预报 | 第63-71页 |
| ·Feedback34-250 实验设备简介 | 第63-64页 |
| ·对Feedback34-250 的多模型监测结果 | 第64-68页 |
| ·数据融合结果及分析 | 第68-70页 |
| ·小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-72页 |
| ·课题总结 | 第71页 |
| ·后期工作展望 | 第71-72页 |
| 致谢 | 第72-73页 |
| 在校期间研究成果 | 第73-74页 |
| 参考文献 | 第74-76页 |