基于数据融合的屋顶网架结构故障诊断研究
| 第1章 绪论 | 第1-14页 |
| ·课题的来源 | 第7页 |
| ·课题研究的目的和意义 | 第7-9页 |
| ·国内外的研究现状 | 第9-11页 |
| ·本文的主要研究工作与组织结构 | 第11-14页 |
| ·本文的主要研究工作 | 第11-13页 |
| ·论文组织结构 | 第13-14页 |
| 第2章 数据融合理论 | 第14-20页 |
| ·概况 | 第14-15页 |
| ·数据融合的基本原理 | 第15页 |
| ·数据融合的相关定义及模型 | 第15-17页 |
| ·数据融合的相关定义 | 第15-16页 |
| ·数据融合的模型结构 | 第16-17页 |
| ·数据融合的层次 | 第17-19页 |
| ·数据级融合 | 第17-18页 |
| ·特征级融合 | 第18页 |
| ·决策级融合 | 第18页 |
| ·三个融合层次优缺点的比较 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 数据融合的主要技术 | 第20-36页 |
| ·概述 | 第20-22页 |
| ·物理模型 | 第20页 |
| ·基于特征的推理技术 | 第20-21页 |
| ·基于感知的模型 | 第21页 |
| ·常用融合方法的比较 | 第21-22页 |
| ·自适应加权融合算法 | 第22-26页 |
| ·最优加权因子及其均方误差 | 第22-23页 |
| ·算法的线性无偏最小方差性 | 第23-25页 |
| ·传感器的方差求取 | 第25-26页 |
| ·人工神经网络基本原理 | 第26-32页 |
| ·人工神经元模型 | 第27-28页 |
| ·神经网络的学习方式 | 第28-29页 |
| ·BP神经网络 | 第29-32页 |
| ·证据理论 | 第32-35页 |
| ·证据理论的基本概念 | 第32-34页 |
| ·Dempster组合规则 | 第34-35页 |
| ·决策准则 | 第35页 |
| ·本章小结 | 第35-36页 |
| 第4章 大屋顶网架融合诊断系统设计 | 第36-48页 |
| ·网架结构健康监测系统 | 第36页 |
| ·网架健康监测系统结构 | 第36-39页 |
| ·传感器系统 | 第37-38页 |
| ·信号变送装置 | 第38-39页 |
| ·数据采集系统 | 第39页 |
| ·网架健康监测与融合诊断基本思路 | 第39页 |
| ·自适应加权融合的网架监测系统设计 | 第39-41页 |
| ·网架的融合诊断系统设计 | 第41-47页 |
| ·BP神经子网络的设计 | 第42-45页 |
| ·决策级融合设计 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 数据级融合在监测系统中的应用 | 第48-57页 |
| ·冗余传感器数据配准 | 第48-49页 |
| ·冗余传感器的自适应加权融合 | 第49-53页 |
| ·加权融合算法的运算流程 | 第49页 |
| ·融合算法的仿真实验 | 第49-51页 |
| ·故障传感器的故障类型判断和定位 | 第51-53页 |
| ·数据级自适应融合算法结论 | 第53页 |
| ·构件应力场模式识别 | 第53-56页 |
| ·网架结构支撑构件瞬时应力场识别思路 | 第53-54页 |
| ·构件瞬时应力场识别方法 | 第54-55页 |
| ·模式识别的仿真分析 | 第55-56页 |
| ·应力场模式识别结论 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第6章 神经网络与证据理论在融合诊断系统中的应用 | 第57-72页 |
| ·融合诊断系统的提出 | 第57页 |
| ·并行BP神经网络的构件状态识别 | 第57-62页 |
| ·故障识别特征量的选择 | 第57-58页 |
| ·BP神经网络的样本训练 | 第58-59页 |
| ·BP神经网络仿真实验 | 第59-62页 |
| ·仿真实验结论 | 第62页 |
| ·局部诊断结论的证据理论融合方法 | 第62-66页 |
| ·各BP神经子网的直接概率分配 | 第62-63页 |
| ·直接概率分配的D-S合成规则 | 第63-64页 |
| ·证据融合的仿真实验 | 第64-66页 |
| ·D-S证据融合分析结论 | 第66页 |
| ·D-S证据理论的改进 | 第66-71页 |
| ·证据合成问题的提出 | 第66-67页 |
| ·新的证据合成公式 | 第67-69页 |
| ·改进合成仿真实验 | 第69-70页 |
| ·改进合成算法的结论 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第7章 全文总结和展望 | 第72-74页 |
| ·全文总结 | 第72-73页 |
| ·展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |
