| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·本课题的研究背景和意义 | 第9-11页 |
| ·设备故障诊断技术的现状与发展趋势 | 第11-12页 |
| ·信息融合技术概述 | 第12页 |
| ·信息融合技术的概念和定义 | 第12页 |
| ·信息融合技术的应用 | 第12页 |
| ·多传感器信息融合在故障诊断中的意义 | 第12-13页 |
| ·论文的主要研究内容和结构安排 | 第13-14页 |
| ·论文的研究内容 | 第13页 |
| ·论文的结构安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 基于不确定性信息的信息融合的研究方法 | 第15-27页 |
| ·信息融合技术概述 | 第15-16页 |
| ·信息融合方法的分类 | 第16-18页 |
| ·信息融合中的不确定性 | 第18页 |
| ·不确定信息的分类 | 第18-19页 |
| ·信息融合的算法 | 第19-26页 |
| ·概率论 | 第19-21页 |
| ·模糊理论 | 第21-22页 |
| ·神经网络 | 第22-23页 |
| ·证据理论 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 发电机组旋转设备故障诊断相关问题分析 | 第27-37页 |
| ·发电机组旋转设备故障及传统诊断方法 | 第27-30页 |
| ·发电机组中发电机的故障类型 | 第27-28页 |
| ·发电机组中汽轮机的故障类型 | 第28-30页 |
| ·发电机组旋转设备故障诊断的主要方法 | 第30页 |
| ·发电机的故障特征 | 第30-32页 |
| ·定子的故障症候 | 第30页 |
| ·转子的故障症候 | 第30-31页 |
| ·轴承的故障症候 | 第31-32页 |
| ·旋转设备故障诊断中的不确定性分析 | 第32-33页 |
| ·发电机组旋转设备自身具有不确定性 | 第32页 |
| ·传感器信号具有不确定性 | 第32-33页 |
| ·信号采集处理的不确定性 | 第33页 |
| ·特征提取的不确定性 | 第33页 |
| ·诊断推理的不确定性 | 第33页 |
| ·信息融合技术在发电机组旋转设备故障诊断的适用性 | 第33-34页 |
| ·本文所采用的故障诊断框架 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 D-S证据理论的改进及其在汽轮机故障诊断中的应用 | 第37-47页 |
| ·引言 | 第37页 |
| ·D-S证据理论基础 | 第37-40页 |
| ·D-S证据理论的基本框架 | 第37-39页 |
| ·D-S证据理论的组合规则 | 第39-40页 |
| ·D-S证据理论存在的问题 | 第40-41页 |
| ·D-S证据理论的改进方法 | 第41-44页 |
| ·D-S证据理论的改进 | 第41-43页 |
| ·算例分析 | 第43-44页 |
| ·改进方法在发电机组旋转设备汽轮机故障诊断中的应用 | 第44-46页 |
| ·传感器的安装 | 第44-45页 |
| ·数据采集与处理 | 第45页 |
| ·实验结果与分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 基于随机集的改进D-S证据理论在发电机故障诊断中的应用 | 第47-60页 |
| ·引言 | 第47页 |
| ·随机集理论对D-S证据理论的表示 | 第47-50页 |
| ·随机集理论简介 | 第47-48页 |
| ·随机集理论对证据理论的表示 | 第48-50页 |
| ·基于随机集的修改证据信任度的改进D-S证据理论 | 第50-52页 |
| ·基于随机集的改进D-S证据理论方法 | 第50-51页 |
| ·算例分析 | 第51-52页 |
| ·改进方法在发电机组旋转设备发电机故障诊断中的应用 | 第52-54页 |
| ·基于随机集-粗糙集的D-S证据理论基本概率分配的获取方法 | 第54-59页 |
| ·粗糙集理论的随机集表示 | 第54-56页 |
| ·粗糙集属性约简 | 第56页 |
| ·基于规则强度的BPA获取方法 | 第56-57页 |
| ·算例分析 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| ·论文总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者在攻读硕士学位期间发表的论文 | 第68页 |
