| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第10-24页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 设备故障智能诊断技术分析 | 第11-14页 |
| 1.2.1 设备故障发生的一般规律 | 第11-12页 |
| 1.2.2 设备故障诊断国内外研究现状 | 第12-14页 |
| 1.3 多源数据融合故障诊断方法综述 | 第14-20页 |
| 1.3.1 多源数据融合方法 | 第14-16页 |
| 1.3.2 多源数据融合诊断国内外研究现状 | 第16-20页 |
| 1.4 论文的主要研究内容 | 第20-21页 |
| 1.5 论文的章节安排 | 第21-24页 |
| 第2章 多源数据融合故障诊断的相关理论 | 第24-42页 |
| 2.1 设备状态监测与诊断的框架 | 第24-26页 |
| 2.2 证据理论 | 第26-29页 |
| 2.2.1 ds理论的数学定义 | 第26-28页 |
| 2.2.2 ds理论的融合规则 | 第28-29页 |
| 2.3 学习向量化神经网络 | 第29-31页 |
| 2.4 决策树 | 第31-33页 |
| 2.4.1 决策树的基本思想 | 第31-32页 |
| 2.4.2 c4.5算法 | 第32-33页 |
| 2.5 卷积神经网络 | 第33-41页 |
| 2.5.1 网络结构 | 第33-39页 |
| 2.5.2 网络模型评价指标 | 第39-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第3章 设备故障诊断的证据融合方法 | 第42-56页 |
| 3.1 设备故障融合诊断模型 | 第42-43页 |
| 3.2 证据融合的不足 | 第43-46页 |
| 3.3 证据融合的改进 | 第46-51页 |
| 3.3.1 “一票否决”现象的消除 | 第46页 |
| 3.3.2 冲突证据的解决 | 第46-49页 |
| 3.3.3 ids理论的性能分析 | 第49-51页 |
| 3.4 ids理论在设备故障诊断中的实例验证 | 第51-55页 |
| 3.4.1 故障诊断模型 | 第51-54页 |
| 3.4.2 诊断结果分析 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 基于lvq和dt的单信号源多传感器融合诊断 | 第56-84页 |
| 4.1 单信号源多传感器融合诊断模型 | 第56-58页 |
| 4.2 实验数据准备 | 第58-61页 |
| 4.3 故障特征提取 | 第61-68页 |
| 4.3.1 数字信号处理 | 第61-62页 |
| 4.3.2 多信息域的特征提取 | 第62-68页 |
| 4.4 基于lvq和dt的多模型融合故障诊断方法 | 第68-82页 |
| 4.4.1 lvq神经网络的学习和训练 | 第68-70页 |
| 4.4.2 决策树模型的构建 | 第70-73页 |
| 4.4.3 主成分分析方法降维 | 第73-79页 |
| 4.4.4 基于ids的多模型融合诊断结果分析 | 第79-82页 |
| 4.5 本章小结 | 第82-84页 |
| 第5章 基于cnn的多信号源多传感器融合诊断 | 第84-112页 |
| 5.1 多信号源多传感器融合诊断模型 | 第84-87页 |
| 5.2 实验装置及实验数据 | 第87-89页 |
| 5.3 基于振动信号的ascnn诊断模型 | 第89-101页 |
| 5.3.1 自适应堆叠式卷积神经网络模型 | 第89-90页 |
| 5.3.2 振动信号特征提取 | 第90-95页 |
| 5.3.3 ascnn模型参数的设置 | 第95-98页 |
| 5.3.4 ascnn模型诊断性能分析 | 第98-101页 |
| 5.4 基于声音信号的escnn诊断模型 | 第101-106页 |
| 5.4.1 端到端的堆叠式卷积神经网络模型 | 第101-102页 |
| 5.4.2 声音信号数据准备 | 第102-103页 |
| 5.4.3 escnn模型参数的设置 | 第103-104页 |
| 5.4.4 escnn模型诊断性能分析 | 第104-106页 |
| 5.5 基于ids的振声信号融合诊断性能分析 | 第106-111页 |
| 5.5.1 融合诊断流程 | 第106-107页 |
| 5.5.2 融合诊断性能 | 第107-111页 |
| 5.6 本章小结 | 第111-112页 |
| 第6章 多源数据融合与大数据分析系统开发与实现 | 第112-142页 |
| 6.1 多源制造大数据场景 | 第112-115页 |
| 6.2 系统总体设计 | 第115-121页 |
| 6.2.1 功能需求分析 | 第115-117页 |
| 6.2.2 总体结构设计 | 第117-121页 |
| 6.3 数据库设计 | 第121-127页 |
| 6.3.1 数据库的选择 | 第121-122页 |
| 6.3.2 数据结构设计 | 第122-127页 |
| 6.4 系统详细设计与实现 | 第127-133页 |
| 6.4.1 详细设计 | 第127-130页 |
| 6.4.2 系统实现 | 第130-133页 |
| 6.5 系统应用及效果展示 | 第133-140页 |
| 6.5.1 系统安装与配置 | 第133-135页 |
| 6.5.2 应用效果展示 | 第135-140页 |
| 6.6 本章小结 | 第140-142页 |
| 第7章 总结与展望 | 第142-144页 |
| 7.1 工作总结 | 第142-143页 |
| 7.2 研究展望 | 第143-144页 |
| 致谢 | 第144-146页 |
| 参考文献 | 第146-156页 |
| 附录 | 第156-157页 |
| 附录a 校期间发表的学术论文 | 第156页 |
| 附录b 校期间参与课题相关的科研项目 | 第156-157页 |