基于贝叶斯网络的电机故障诊断方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-14页 |
| ·电机故障诊断研究背景及目的 | 第10页 |
| ·电机故障诊断研究现状 | 第10-12页 |
| ·基于故障分类的诊断决策模型 | 第11页 |
| ·基于诊断决策的诊断决策模型 | 第11页 |
| ·基于故障预测的诊断决策模型 | 第11-12页 |
| ·贝叶斯网络发展现状 | 第12页 |
| ·章节安排 | 第12-14页 |
| 第2章 多源信息融合理论 | 第14-23页 |
| ·信息融合与故障诊断 | 第14-16页 |
| ·信息融合的必要性 | 第14-15页 |
| ·电机故障诊断中的信息融合技术 | 第15-16页 |
| ·多源信息融合技术 | 第16-17页 |
| ·基本原理 | 第16页 |
| ·融合方法 | 第16-17页 |
| ·不确定推理方法 | 第17-22页 |
| ·主观贝叶斯方法 | 第17-19页 |
| ·D-S证据理论 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 贝叶斯网络理论 | 第23-34页 |
| ·贝叶斯网络定义及其构造 | 第23-25页 |
| ·贝叶斯网络定义 | 第23-24页 |
| ·贝叶斯网络构造 | 第24页 |
| ·贝叶斯网络特点 | 第24-25页 |
| ·贝叶斯网络应用领域 | 第25页 |
| ·贝叶斯网络推理 | 第25-27页 |
| ·精确推理算法 | 第25-26页 |
| ·近似推理算法 | 第26-27页 |
| ·团树传播算法 | 第27-33页 |
| ·团树的基本概念 | 第27-28页 |
| ·团树的构造 | 第28-32页 |
| ·团树传播算法的实现 | 第32-33页 |
| ·贝叶斯网络的电机故障诊断 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于贝叶斯网络的电机故障诊断方法 | 第34-48页 |
| ·电机故障诊断方法 | 第34-37页 |
| ·决策树模型 | 第34-35页 |
| ·决策树—贝叶斯网络模型 | 第35页 |
| ·决策树—贝叶斯网络模型构造算法 | 第35-37页 |
| ·电机故障诊断方法总体设计 | 第37-38页 |
| ·电机故障诊断方法功能模块设计 | 第38-40页 |
| ·数据采集模块 | 第39页 |
| ·数据分析模块 | 第39-40页 |
| ·诊断推理模块 | 第40页 |
| ·信息管理模块 | 第40页 |
| ·电机故障诊断方法实例化应用及评价 | 第40-46页 |
| ·电机故障诊断方法的实例化应用 | 第40-44页 |
| ·电机故障诊断方法的诊断结果分析 | 第44-46页 |
| ·本章小结 | 第46-48页 |
| 第5章 电机故障诊断方法评价 | 第48-50页 |
| ·诊断方法特点比较 | 第48-49页 |
| ·诊断准确率比较 | 第49页 |
| ·本章小结 | 第49-50页 |
| 第6章 结论 | 第50-51页 |
| 参考文献 | 第51-53页 |
| 致谢 | 第53页 |
