设备故障诊断的容错神经网络信息融合方法
| 第1章 绪论 | 第1-18页 |
| 1．1 设备故障诊断的发展与现状 | 第10-12页 |
| 1．2 信息融合技术 | 第12-14页 |
| 1．2．1 信息融合技术的发展与现状 | 第12页 |
| 1．2．2 信息融合研究存在的问题 | 第12-14页 |
| 1．2．3 信息融合的研究方向 | 第14页 |
| 1．3 基于信息融合的设备故障诊断的问题 | 第14-15页 |
| 1．4 课题提出的背景及意义 | 第15-16页 |
| 1．5 论文的主要研究内容 | 第16-18页 |
| 第2章 设备故障诊断的信息融合技术 | 第18-27页 |
| 2．1 信息融合技术的定义 | 第18页 |
| 2．2 信息融合的基本原理 | 第18-19页 |
| 2．3 信息融合的级别 | 第19-21页 |
| 2．4 信息融合的方法 | 第21-23页 |
| 2．5 设备故障诊断中的信息融合利用 | 第23-25页 |
| 2．5．1 设备故障诊断中信息融合利用的必要性 | 第23-24页 |
| 2．5．2 设备故障诊断中的可利用信息 | 第24-25页 |
| 2．5．3 设备故障诊断的信息融合系统 | 第25页 |
| 2．6 小结 | 第25-27页 |
| 第3章 基于集成神经网络信息融合的故障诊断 | 第27-43页 |
| 3．1 人工神经网络简介 | 第27页 |
| 3．2 BP网络简介 | 第27-30页 |
| 3．2．1 BP网络的结构 | 第27-28页 |
| 3．2．2 BP网络的学习算法 | 第28-29页 |
| 3．2．3 改进的BP网络学习算法 | 第29-30页 |
| 3．3 基于神经网络信息融合 | 第30-31页 |
| 3．4 信息融合的神经网络模型 | 第31-32页 |
| 3．5 信息融合的集成神经网络 | 第32-38页 |
| 3．5．1 集成神经网络的提出 | 第32-33页 |
| 3．5．2 集成神经网络的结构 | 第33页 |
| 3．5．3 子神经网络的组建原则 | 第33-34页 |
| 3．5．4 集成神经网络的实现策略 | 第34-38页 |
| 3．6 集成神经网络融合诊断的仿真 | 第38-42页 |
| 3．6．1 大型电机转子振动故障机理与征兆 | 第38-39页 |
| 3．6．2 集成神经网络的仿真 | 第39-42页 |
| 3．7 小结 | 第42-43页 |
| 第4章 容错神经网络的模型与推理 | 第43-54页 |
| 4．1 容错神经网络的发展 | 第43-44页 |
| 4．2 神经网络的故障分析 | 第44-45页 |
| 4．2．1 神经网络的物理故障 | 第44页 |
| 4．2．2 神经网络的抽象故障模型 | 第44-45页 |
| 4．2．3 神经网络的故障集 | 第45页 |
| 4．3 容错神经网络的分析方法 | 第45-47页 |
| 4．3．1 前馈神经网络的容错性指标 | 第45-46页 |
| 4．3．2 容错性能测试 | 第46-47页 |
| 4．4 容错神经网络设计方法 | 第47-52页 |
| 4．4．1 基于容错性能指标的容错神经网络模型 | 第47-48页 |
| 4．4．2 基于权重空间约束的容错神经网络 | 第48-50页 |
| 4．4．3 基于结构冗余的容错神经网络 | 第50-52页 |
| 4．5 两种典型的神经网络容错方法 | 第52-53页 |
| 4．6 小结 | 第53-54页 |
| 第5章 基于容错神经网络的应用与仿真 | 第54-63页 |
| 5．1 基于容错神经网络设备故障诊断的必要性 | 第54页 |
| 5．2 容错神经网络的诊断模型 | 第54-60页 |
| 5．2．1 研究对象和模型 | 第55页 |
| 5．2．2 隐层节点冗余容错算法的提出 | 第55-57页 |
| 5．2．3 容错性分析 | 第57-59页 |
| 5．2．4 冗余节点的选取 | 第59-60页 |
| 5．3 容错神经网络算法的仿真 | 第60-62页 |
| 5．4 小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69页 |
