首页--自然科学总论论文--系统科学论文--系统学、现代系统理论论文--灰色系统理论论文

基于多传感器信息融合的工业装备故障预测方法研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第9-16页
    1.1 课题研究背景及意义第9-10页
    1.2 故障预测技术研究状况第10-12页
    1.3 多传感器信息融合技术研究现状第12-15页
    1.4 论文主要研究内容与结构安排第15-16页
第二章 多传感器信息融合技术综述第16-25页
    2.1 多传感器信息融合技术的基本概念第16-21页
        2.1.1 基本概念第16-17页
        2.1.2 多传感器信息融合的体系结构第17-19页
        2.1.3 多传感器信息融合的层次结构第19-21页
    2.2 多传感器数据处理第21-23页
        2.2.1 多传感器数据一致性处理第21-22页
        2.2.2 多传感器数据特征提取第22-23页
    2.3 多传感信息的分层融合预测模式第23-24页
    2.4 本章小结第24-25页
第三章 基于特征层的单传感器信息融合的故障预测模型第25-40页
    3.1 基于传感器特征值的灰色故障预测算法第25-26页
    3.2 灰色预测算法的优缺点以及改进方法第26-33页
        3.2.1 灰色预测模型优缺点分析第26-27页
        3.2.2 基于函数变换的灰色预测模型原始序列光滑处理第27-30页
        3.2.3 基于背景值重构的灰色预测模型改进第30-31页
        3.2.4 基于新陈代谢的动态灰色预测模型的构建第31-33页
    3.3 单传感器多特征信息融合的结构模型及算法确定第33-37页
        3.3.1 特征层信息融合的结算法确定第33页
        3.3.2 基于BP神经网络的特征层融合算法第33-35页
        3.3.3 BP神经网络融合算法存在的问题第35-36页
        3.3.4 BP神经网络融合算法的改进第36-37页
    3.4 基于改进的BP神经网络在特征层信息融合中的应用第37-39页
    3.5 本章小结第39-40页
第四章 基于决策层的多传感器信息融合故障预测模型第40-49页
    4.1 工业装备运行信息融合的不确定性第40页
    4.2 D-S证据理论基本原理第40-43页
        4.2.1 D-S证据理论的基本定义第40-42页
        4.2.2 D-S证据理论的融合规则第42-43页
        4.2.3 基于D-S证据理论信息决策层融合的基本过程第43页
    4.3 D-S证据理论优缺点分析第43-44页
    4.4 D-S证据理论的改进第44-46页
        4.4.1 基本概率分配函数构造方式改进第44-45页
        4.4.2 组合规则的改进第45-46页
    4.5 基于改进的D-S证据理论算例分析第46-48页
    4.6 本章小结第48-49页
第五章 基于多传感器信息融合的工业装备故障预测第49-56页
    5.1 实验场景第49-50页
    5.2 传感器测量数据处理及特征提取第50-52页
        5.2.1 传感器一致性检验第50-51页
        5.2.2 传感器特征值提取第51-52页
    5.3 工业装备故障预测过程第52-55页
        5.3.1 D-S证据理论识别框架的确定第52页
        5.3.2 证据体及其基本概率分配值的确定第52-54页
        5.3.3 基于D-S证据理论的决策融合及分析第54-55页
    5.4 本章小结第55-56页
第六章 总结与展望第56-58页
    6.1 总结第56页
    6.2 展望第56-58页
参考文献第58-64页
攻读学位期间主要的研究成果第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:机床直线进给系统综合性能测试平台设计与开发
下一篇:基于核酸适配体的侧流层析试纸条法快速检测氯霉素残留