基于多源信息融合的设备关键部件状态评估研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-18页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 状态评估的研究现状 | 第10-13页 |
| 1.2.2 证据理论的研究现状 | 第13-14页 |
| 1.3 文章结构和创新点 | 第14-17页 |
| 1.3.1 本文创新点 | 第14页 |
| 1.3.2 本文研究内容 | 第14-15页 |
| 1.3.3 本文技术路线 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 2 多源信息融合的相关理论 | 第18-26页 |
| 2.1 多源信息融合 | 第18-21页 |
| 2.1.1 多源信息融合的结构模型 | 第18-20页 |
| 2.1.2 多源信息融合的数学方法 | 第20-21页 |
| 2.1.3 信息融合在状态评估的应用 | 第21页 |
| 2.2 证据理论 | 第21-25页 |
| 2.2.1 基本概念 | 第22-24页 |
| 2.2.2 合成规则 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于信息融合的关键部件状态评估框架及模型 | 第26-39页 |
| 3.1 基于信息融合的关键部件状态评估框架 | 第26-28页 |
| 3.1.1 关键部件状态评估的信息 | 第26页 |
| 3.1.2 信息融合的意义 | 第26页 |
| 3.1.3 基于信息融合的关键部件状态评估框架 | 第26-28页 |
| 3.2 基于改进证据理论的关键部件状态评估模型 | 第28-29页 |
| 3.3 基于智能算法的模型构建 | 第29-33页 |
| 3.3.1 BP神经网络 | 第29-30页 |
| 3.3.2 BP神经网络运算步骤 | 第30-31页 |
| 3.3.3 基于BP神经网络的状态评估模型 | 第31-33页 |
| 3.4 基于评估体系的模型构建 | 第33-38页 |
| 3.4.1 评价指标选取原则 | 第33-34页 |
| 3.4.2 评价集确定 | 第34页 |
| 3.4.3 隶属度函数确定 | 第34-37页 |
| 3.4.4 评价权重确定 | 第37页 |
| 3.4.5 健康状态确定 | 第37-38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 基于改进证据理论的决策融合研究 | 第39-49页 |
| 4.1 证据理论的改进研究 | 第39-46页 |
| 4.1.1 证据的度量指标 | 第39-41页 |
| 4.1.2 证据的改进分析 | 第41-44页 |
| 4.1.3 相关悖论的算例分析 | 第44-46页 |
| 4.2 基于改进证据理论的决策融合流程 | 第46-48页 |
| 4.2.1 构造识别框架 | 第47页 |
| 4.2.2 确定证据体及BPA | 第47-48页 |
| 4.2.3 证据体修正及合成 | 第48页 |
| 4.2.4 证据理论的决策准则 | 第48页 |
| 4.3 本章小结 | 第48-49页 |
| 5 案例分析 | 第49-59页 |
| 5.1 公司及产品简介 | 第49-51页 |
| 5.1.1 公司简介 | 第49页 |
| 5.1.2 滚珠丝杠副简介 | 第49-51页 |
| 5.2 状态评估模型验证分析 | 第51-57页 |
| 5.2.1 基于BP神经网络的状态评估模型 | 第51-53页 |
| 5.2.2 基于模糊综合评价法的状态评估模型 | 第53-56页 |
| 5.2.3 基于改进证据理论的融合研究 | 第56-57页 |
| 5.3 本章小结 | 第57-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 全文总结 | 第59页 |
| 6.2 研究展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| A.作者在攻读硕士学位期间参加的科研项目 | 第66页 |
| B.作者在攻读硕士学位期间发表的论文 | 第66页 |
