| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·设备故障诊断的发展与现状 | 第7-8页 |
| ·信息融合技术 | 第8-10页 |
| ·设备故障诊断中引入信息融合的意义 | 第10页 |
| ·课题提出的背景及意义 | 第10-13页 |
| ·水轮发电机组故障诊断系统国内外研究现状 | 第10-12页 |
| ·水轮发电机组故障诊断系统中应用信息融合的意义 | 第12-13页 |
| ·论文的主要研究内容 | 第13-15页 |
| 第二章 水轮发电机组典型故障及其发生机理研究 | 第15-28页 |
| ·水轮发电机组工作原理 | 第15页 |
| ·水轮发电机组的结构及主要特点 | 第15-17页 |
| ·水轮发电机组典型故障 | 第17-19页 |
| ·水轮发电机振动故障的主要特点 | 第19-20页 |
| ·导致水轮发电机组振动故障的主要根源 | 第20-25页 |
| ·机械原因引起的振动 | 第20页 |
| ·水力原因引起的振动 | 第20-24页 |
| ·电磁力引起的振动 | 第24-25页 |
| ·水电机组振动故障特征分析 | 第25-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于 D-S 证据理论的信息融合技术研究 | 第28-41页 |
| ·信息融合的概念 | 第28-29页 |
| ·信息融合模型 | 第29-34页 |
| ·信息融合功能模型 | 第29页 |
| ·信息融合的结构模型和算法 | 第29-32页 |
| ·信息融合的数学模型 | 第32-34页 |
| ·信息融合的应用领域 | 第34-35页 |
| ·信息融合在设备故障诊断系统中的应用 | 第35-36页 |
| ·D-S 证据理论信息融合故障诊断系统 | 第36-40页 |
| ·小结 | 第40-41页 |
| 第四章 信息融合应用于水轮发电机组故障诊断系统研究 | 第41-53页 |
| ·人工神经网络简介 | 第41页 |
| ·BP 神经网络简介 | 第41-46页 |
| ·信息融合在水轮发电机组故障诊断系统中的应用 | 第46-52页 |
| ·水轮发电机组故障诊断系统测点布置及传感器选型 | 第47-50页 |
| ·信号预处理及其特征提取 | 第50-51页 |
| ·神经融合故障诊断 | 第51-52页 |
| ·证据理论融合决策 | 第52页 |
| ·小结 | 第52-53页 |
| 第五章 基于信息融合的水轮发电机组故障诊断实例 | 第53-61页 |
| ·神经网络和 D-S 证据理论融合故障诊断 | 第53-58页 |
| ·局部故障诊断 | 第53-56页 |
| ·决策故障诊断 | 第56-58页 |
| ·集成神经网络故障诊断系统 | 第58-60页 |
| ·小结 | 第60-61页 |
| 第六章 水轮发电机组 D-S 决策故障诊断系统实现 | 第61-69页 |
| ·DSIF 软件的体系结构 | 第61页 |
| ·基于 D-S 证据理论的计算分析流程 | 第61-62页 |
| ·DSIF 软件的主要功能 | 第62-65页 |
| ·DSIF 软件功能实现 | 第65-67页 |
| ·小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第75页 |