| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·电机故障诊断研究背景及目的 | 第10页 |
| ·电机故障诊断研究现状 | 第10-12页 |
| ·贝叶斯网络发展现状 | 第12页 |
| ·多源信息融合技术发展现状 | 第12-13页 |
| ·章节安排 | 第13-14页 |
| 第二章 多源信息融合理论 | 第14-26页 |
| ·信息融合与故障诊断 | 第14-16页 |
| ·信息融合的必要性 | 第14-15页 |
| ·电机故障诊断中的信息融合技术 | 第15-16页 |
| ·多源信息融合技术 | 第16-19页 |
| ·多源信息融合的基本原理 | 第16页 |
| ·多源信息融合应用领域 | 第16-18页 |
| ·多源信息融合的融合方法 | 第18-19页 |
| ·不确定推理方法 | 第19-25页 |
| ·主观贝叶斯方法 | 第19-20页 |
| ·D-S证据理论 | 第20-24页 |
| ·主观Bayes方法和D-S证据理论比较 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 贝叶斯网络理论 | 第26-40页 |
| ·贝叶斯网络定义及其构造 | 第26-30页 |
| ·贝叶斯网络定义 | 第26-27页 |
| ·贝叶斯网络构造 | 第27页 |
| ·贝叶斯网络特点 | 第27-28页 |
| ·贝叶斯网络应用领域 | 第28-30页 |
| ·贝叶斯网络推理算法 | 第30-31页 |
| ·精确推理算法 | 第30-31页 |
| ·近似推理算法 | 第31页 |
| ·基于贝叶斯网络的电机故障诊断 | 第31-32页 |
| ·团树传播算法 | 第32-39页 |
| ·团树的基本概念 | 第32-33页 |
| ·团树的构造 | 第33-38页 |
| ·团树传播算法 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于贝叶斯网络的电机故障诊断系统 | 第40-55页 |
| ·基于决策树—贝叶斯网络模型的电机故障诊断系统 | 第40-43页 |
| ·决策树模型 | 第40页 |
| ·决策树—贝叶斯网络模型 | 第40-41页 |
| ·决策树—贝叶斯网络模型构造算法 | 第41-42页 |
| ·决策树—贝叶斯网络模型转化算法 | 第42-43页 |
| ·基于决策树—贝叶斯网络模型的电机故障诊断系统总体设计 | 第43-45页 |
| ·基于决策树—贝叶斯网络模型的电机故障诊断系统功能模块设计 | 第45-48页 |
| ·电机故障诊断系统的数据采集模块 | 第45-46页 |
| ·电机故障诊断系统的数据分析模块 | 第46-47页 |
| ·电机故障诊断系统的诊断推理模块 | 第47-48页 |
| ·电机故障诊断系统的信息管理模块 | 第48页 |
| ·基于决策树—贝叶斯网络模型的电机故障诊断系统实例化应用及评价 | 第48-54页 |
| ·电机故障诊断系统的实例化应用 | 第48-52页 |
| ·电机故障诊断系统的诊断结果分析 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 电机故障诊断系统方法评价 | 第55-58页 |
| ·电机故障诊断系统采用诊断方法特点比较 | 第55-56页 |
| ·电机故障诊断系统方法诊断准确率比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 结论 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 在学研究成果 | 第63-64页 |
| 致谢 | 第64页 |
