基于数据融合技术舞台故障诊断方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题的目的与意义 | 第12页 |
| ·数据融合 | 第12-17页 |
| ·数据融合技术产生的背景 | 第12-13页 |
| ·数据融合的定义 | 第13-14页 |
| ·数据融合的方法 | 第14页 |
| ·数据融合技术的应用 | 第14-15页 |
| ·信息融合技术存在问题及发展趋势 | 第15-17页 |
| ·故障诊断的发展 | 第17页 |
| ·所选课题的主要内容及重点 | 第17-19页 |
| 第2章 人工神经网络 | 第19-31页 |
| ·神经网络的产生 | 第19页 |
| ·神经元 | 第19-21页 |
| ·神经网络的互连模式 | 第21-23页 |
| ·神经网络的特点 | 第23页 |
| ·神经网络的学习方式 | 第23-26页 |
| ·人工神经网络的优缺点 | 第26页 |
| ·BP 神经网络 | 第26-29页 |
| ·BP 网络学习算法 | 第27-29页 |
| ·BP 网络的局限性 | 第29页 |
| ·BP 神经网络故障诊断原理 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 数据融合技术 | 第31-42页 |
| ·数据融合的基本原理 | 第31-32页 |
| ·数据融合的层次 | 第32-33页 |
| ·数据融合的结构模型 | 第33-34页 |
| ·证据理论 | 第34-38页 |
| ·证据理论的基本概念 | 第35-36页 |
| ·证据理论的组合规则 | 第36-38页 |
| ·证据的折扣 | 第38页 |
| ·证据理论的决策 | 第38-39页 |
| ·基于信度函数的决策 | 第38-39页 |
| ·基于综合概率分配函数的决策 | 第39页 |
| ·证据理论的优点 | 第39页 |
| ·证据理论与神经网络结合的数据融合诊断方法 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 舞台故障诊断系统设计 | 第42-47页 |
| ·舞台故障监测系统 | 第42页 |
| ·舞台故障诊断系统结构 | 第42-43页 |
| ·舞台故障检测与诊断基本思路 | 第43-44页 |
| ·BP 神经网络的设计 | 第44-45页 |
| ·初始值权值的选取 | 第44页 |
| ·网络层数的确定 | 第44-45页 |
| ·隐含层节点数目的设计 | 第45页 |
| ·学习速率的选择 | 第45页 |
| ·期望误差选择 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第5章 数据融合与神经网络结合的故障诊断方法 | 第47-66页 |
| ·旋转舞台基本故障机理 | 第47-48页 |
| ·神经网络与证据理论结合舞台诊断应用 | 第48-49页 |
| ·神经网络和证据理论结合的工作原理 | 第48-49页 |
| ·神经网络旋转舞台诊断模型 | 第49页 |
| ·神经网络的建立 | 第49-56页 |
| ·基于神经网络旋转舞台故障诊断方法 | 第49-50页 |
| ·诊断特点 | 第50页 |
| ·局部诊断神经网络结构设计 | 第50-56页 |
| ·基于证据理论全局诊断实例 | 第56-58页 |
| ·故障诊断系统的实例应用 | 第58-65页 |
| ·舞台故障诊断系统组成 | 第58页 |
| ·神经网络与证据理论结合诊断实例 | 第58-65页 |
| ·本章小结 | 第65-66页 |
| 总结 | 第66-68页 |
| 本文总结 | 第66页 |
| 工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72-73页 |
| 致谢 | 第73-74页 |
| 大摘要 | 第74-79页 |
