| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 多故障诊断的研究背景、目的和意义 | 第11-12页 |
| 1.2 多故障诊断技术的发展及研究现状 | 第12-14页 |
| 1.2.1 多故障的定义及分类 | 第12页 |
| 1.2.2 多故障诊断技术国内外研究现状 | 第12-14页 |
| 1.3 证据理论的形成与发展 | 第14-16页 |
| 1.4 本文的主要研究内容 | 第16-19页 |
| 第2章 基于随机集理论的证据组合规则 | 第19-35页 |
| 2.1 引言 | 第19页 |
| 2.2 随机集的基本概念 | 第19-23页 |
| 2.2.1 随机变量与随机集 | 第19-20页 |
| 2.2.2 随机集的定义 | 第20-21页 |
| 2.2.3 随机集的基本性质 | 第21-23页 |
| 2.2.4 随机集的相关准则 | 第23页 |
| 2.3 证据理论的随机集表示 | 第23-27页 |
| 2.4 Dezert-Smarandache理论 | 第27-29页 |
| 2.5 可传递信度模型 | 第29-30页 |
| 2.6 证据理论在故障诊断中的应用 | 第30-33页 |
| 2.6.1 基于证据理论的故障诊断模型 | 第30-31页 |
| 2.6.2 基本概率赋值函数的构造 | 第31-32页 |
| 2.6.3 基于证据融合结果的决策规则 | 第32-33页 |
| 2.7 本章小结 | 第33-35页 |
| 第3章 基于经典DSm理论的耦合多故障诊断 | 第35-49页 |
| 3.1 引言 | 第35页 |
| 3.2 多故障诊断的DSm理论模型 | 第35-37页 |
| 3.2.1 多故障的表示 | 第35-36页 |
| 3.2.2 经典DSm理论多故障诊断的融合模型 | 第36-37页 |
| 3.3 基于随机集的模糊证据获取方法 | 第37-40页 |
| 3.3.1 故障样板模式隶属度函数的确定 | 第38页 |
| 3.3.2 待检模式隶属度函数的确定 | 第38-39页 |
| 3.3.3 获取模糊证据的随机集方法 | 第39-40页 |
| 3.4 基于经典DSm理论的耦合多故障诊断 | 第40-41页 |
| 3.5 仿真实验 | 第41-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 基于混合DSm理论的耦合多故障诊断 | 第49-59页 |
| 4.1 引言 | 第49页 |
| 4.2 混合DSm理论的多故障诊断融合模型 | 第49-50页 |
| 4.3 耦合多故障诊断的仿真研究及分析 | 第50-56页 |
| 4.4 基于混合DSm理论的轧钢过程耦合多故障诊断仿真研究 | 第56-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 开放辨识框架下的耦合多故障诊断方法研究 | 第59-69页 |
| 5.1 引言 | 第59页 |
| 5.2 开放辨识框架下的证据组合规则 | 第59-60页 |
| 5.3 DS证据理论中证据间冲突程度的度量因子 | 第60-62页 |
| 5.3.1 规范化因子k | 第61-62页 |
| 5.3.2 赌博信度距离difBetP_(m_1)~(m_2) | 第62页 |
| 5.4 DSm理论中基于GPT的冲突度量因子 | 第62-63页 |
| 5.5 开放辨识框架下耦合多故障诊断过程 | 第63-64页 |
| 5.6 仿真实验 | 第64-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 致谢 | 第77页 |