| 中文摘要 | 第1页 |
| 英文摘要 | 第3-7页 |
| 第一章 绪论 | 第7-15页 |
| ·选题意义及背景 | 第7-10页 |
| ·状态监测和故障诊断的研究意义 | 第7页 |
| ·状态监测与故障诊断学中的基本概念 | 第7-8页 |
| ·机械故障的特点 | 第8页 |
| ·机械故障诊断常用方法 | 第8-10页 |
| ·多传感器信息融合技术 | 第10-13页 |
| ·信息融合技术的研究现状 | 第11-12页 |
| ·信息融合应用在故障诊断中的意义及原因 | 第12-13页 |
| ·论文的主要研究内容 | 第13-15页 |
| 第二章 基于BP神经网络的故障诊断 | 第15-24页 |
| ·神经网络基本原理 | 第15-16页 |
| ·神经元结构模型 | 第15-16页 |
| ·神经元的学习算法 | 第16页 |
| ·BP神经网络 | 第16-18页 |
| ·神经网络在故障诊断中的应用 | 第18-19页 |
| ·基于BP神经网络的齿轮箱故障诊断 | 第19-23页 |
| ·对象描述及特征提取 | 第19-20页 |
| ·BP网络诊断实现 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于证据理论的信息融合方法 | 第24-34页 |
| ·信息融合技术概述 | 第24-27页 |
| ·信息融合系统的层次 | 第24-25页 |
| ·基于多传感器的时间空间域的信息融合 | 第25-26页 |
| ·多传感器多测量周期可信度分配的融合 | 第26-27页 |
| ·设备故障诊断中的信息融合 | 第27页 |
| ·D-S证据理论 | 第27-30页 |
| ·证据理论的基本概念与公式 | 第27-29页 |
| ·证据理论的组合规则 | 第29-30页 |
| ·证据理论的决策原则及其优点 | 第30-31页 |
| ·证据理论的决策原则 | 第30-31页 |
| ·证据理论的优点 | 第31页 |
| ·D-S证据理论的应用举例 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于神经网络和D-S证据理论的综合诊断模型 | 第34-43页 |
| ·引言 | 第34页 |
| ·综合诊断信息融合系统模型 | 第34-35页 |
| ·应用实例1-轴承故障诊断 | 第35-39页 |
| ·测量系统描述 | 第35-36页 |
| ·信号分析 | 第36-37页 |
| ·综合诊断 | 第37-39页 |
| ·应用实例2-风机轴承故障诊断 | 第39-42页 |
| ·信号分析 | 第39-41页 |
| ·应用综合诊断方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第五章 给水泵辅助维修系统的开发 | 第43-52页 |
| ·引言 | 第43页 |
| ·维修制度 | 第43-44页 |
| ·设备维修管理的国内外现状 | 第43-44页 |
| ·定期计划预修制度和预防维修制度 | 第44页 |
| ·设备维修计划优化准则 | 第44-45页 |
| ·约束条件 | 第44-45页 |
| ·优化准则 | 第45页 |
| ·系统实现 | 第45-51页 |
| ·系统结构与功能 | 第46-50页 |
| ·开发环境及查询语言 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 结论与展望 | 第52-54页 |
| ·结论 | 第52-53页 |
| ·研究展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 在学期间发表的学术论文和参加科研情况 | 第57页 |