| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-23页 |
| ·引言 | 第11-12页 |
| ·信息融合技术简介 | 第12-15页 |
| ·信息融合的基本原理 | 第12页 |
| ·信息融合的层次与级别 | 第12-14页 |
| ·信息融合的模型与方法 | 第14-15页 |
| ·证据理论在信息融合中的作用和地位 | 第15页 |
| ·证据理论在故障诊断中的应用 | 第15-21页 |
| ·基于证据理论的融合诊断模型 | 第16-18页 |
| ·改进的证据组合方法 | 第18-19页 |
| ·基本概率赋值函数的构造 | 第19-20页 |
| ·基于证据融合结果的决策规则 | 第20-21页 |
| ·证据理论在故障诊断应用中存在的问题 | 第21页 |
| ·本文的项目来源、主要研究内容及章节安排 | 第21-23页 |
| 第2章 证据理论 | 第23-35页 |
| ·引言 | 第23页 |
| ·概率理论 | 第23-25页 |
| ·证据理论与概率论之间的关系 | 第25-27页 |
| ·证据理论的概率论原型 | 第25-27页 |
| ·证据理论与概率论的区别 | 第27页 |
| ·证据理论基本概念 | 第27-30页 |
| ·DEZERT-SMARANDACHE 理论 | 第30-32页 |
| ·可传递信度模型 | 第32-33页 |
| ·小结 | 第33-35页 |
| 第3章 相关证据下并发故障诊断的信息融合方法 | 第35-47页 |
| ·引言 | 第35-36页 |
| ·并发故障诊断的DSMT 融合模型 | 第36-38页 |
| ·并发故障的表示 | 第36-37页 |
| ·并发故障的融合模型 | 第37-38页 |
| ·证据相关性及解相关方法 | 第38-41页 |
| ·基于证据分解的解相关方法 | 第38-39页 |
| ·基于参数的解相关方法 | 第39-40页 |
| ·新的证据解相关方法 | 第40-41页 |
| ·故障诊断实例 | 第41-46页 |
| ·故障样板模式隶属度函数的确定 | 第42-43页 |
| ·待检模式隶属度函数的确定 | 第43页 |
| ·构造基于隶属度函数的基本概率赋值函数 | 第43-44页 |
| ·决策规则 | 第44-45页 |
| ·故障诊断结果 | 第45-46页 |
| ·小结 | 第46-47页 |
| 第4章 开放辨识框架下并发故障诊断的信息融合方法 | 第47-55页 |
| ·引言 | 第47-48页 |
| ·开放辨识框架下的证据组合 | 第48页 |
| ·DST 下证据间冲突程度的度量因子 | 第48-50页 |
| ·DSMT 下基于GPT 的冲突度量因子 | 第50-52页 |
| ·故障诊断实例 | 第52-54页 |
| ·诊断实例选取 | 第52页 |
| ·故障诊断结果 | 第52-54页 |
| ·总结 | 第54-55页 |
| 第5章 条件化的DSMT 证据组合方法及其在故障诊断中的应用 | 第55-62页 |
| ·引言 | 第55页 |
| ·DSMT 动态组合方法 | 第55-57页 |
| ·证据理论中的条件规则 | 第57-58页 |
| ·条件化的DSMT 证据组合方法 | 第58-59页 |
| ·DSmT 框架下条件化的线性组合方法 | 第58页 |
| ·线性组合的权重 | 第58-59页 |
| ·故障诊断实例 | 第59-61页 |
| ·诊断实例选取 | 第59-60页 |
| ·故障诊断结果 | 第60-61页 |
| ·小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 附录1 | 第71-72页 |
| 附录2 | 第72-79页 |
| 详细摘要 | 第79-82页 |