| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究目的与意义 | 第10-11页 |
| 1.2 国内外研究动态 | 第11-14页 |
| 1.2.1 提升机故障诊断方法 | 第11-13页 |
| 1.2.2 信息融合技术的相关应用 | 第13-14页 |
| 1.3 主要研究内容 | 第14页 |
| 1.4 小结 | 第14-16页 |
| 第二章 相关技术理论与方法 | 第16-26页 |
| 2.1 引言 | 第16页 |
| 2.2 信息融合技术的基本原理 | 第16-19页 |
| 2.2.1 基本原理和处理流程 | 第16-17页 |
| 2.2.2 信息融合故障诊断系统的结构模型 | 第17-19页 |
| 2.3 基于D-S证据理论的故障诊断信息融合方法 | 第19-24页 |
| 2.3.1 DS证据理论的基本原理 | 第20-21页 |
| 2.3.2 DS证据理论融合方法 | 第21-22页 |
| 2.3.3 证据理论的决策规则 | 第22-23页 |
| 2.3.4 DS证据理论故障诊断决策具体步骤 | 第23-24页 |
| 2.4 主成分分析法的基本原理 | 第24-25页 |
| 2.5 神经网络技术 | 第25页 |
| 2.6 小结 | 第25-26页 |
| 第三章 基于PCA的制动系统故障诊断方法 | 第26-48页 |
| 3.1 引言 | 第26页 |
| 3.2 故障机理分析 | 第26-32页 |
| 3.2.1 制动器故障 | 第26-29页 |
| 3.2.2 液压站故障 | 第29-30页 |
| 3.2.3 保护装置失效 | 第30-32页 |
| 3.3 PCA故障诊断基本原理 | 第32-34页 |
| 3.4 PCA故障诊断步骤 | 第34-35页 |
| 3.5 故障诊断试验 | 第35-46页 |
| 3.5.1 故障监测系统 | 第35-38页 |
| 3.5.1.1 硬件构成及测点布置 | 第35-37页 |
| 3.5.1.2 软件组成及参数设置 | 第37-38页 |
| 3.5.2 正常主元模型 | 第38-42页 |
| 3.5.3 卡缸故障试验 | 第42-46页 |
| 3.6 小结 | 第46-48页 |
| 第四章 基于两层信息融合的制动系统故障诊断方法 | 第48-52页 |
| 4.1 引言 | 第48页 |
| 4.2 两层信息融合故障诊断结构 | 第48页 |
| 4.3 特征层RBF神经网络信息融合原理 | 第48-50页 |
| 4.4 试验研究 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 第五章 基于三层信息融合的制动系统故障诊断方法 | 第52-60页 |
| 5.1 引言 | 第52页 |
| 5.2 特征层ELMAN神经网络融合原理 | 第52-53页 |
| 5.3 PCA特征提取和ELMAN神经网络的训练 | 第53-55页 |
| 5.4 三层信息融合结构 | 第55-56页 |
| 5.5 试验研究 | 第56-58页 |
| 5.6 三种诊断方法对比分析 | 第58-59页 |
| 5.7 小结 | 第59-60页 |
| 第六章 基于决策层的减速器故障诊断方法 | 第60-76页 |
| 6.1 引言 | 第60页 |
| 6.2 匀速工况下齿轮故障及其振动特征分析 | 第60-63页 |
| 6.3 BP神经网络故障诊断 | 第63-70页 |
| 6.3.1 Bp神经网络故障诊断步骤 | 第63-65页 |
| 6.3.2 齿轮箱Bp网络故障诊断实验研究 | 第65-70页 |
| 6.4 故障诊断试验 | 第70-75页 |
| 6.4.1 提升机齿轮箱信息融合故障诊断模型的选取分析 | 第70-71页 |
| 6.4.2 神经网络的属性判决 | 第71-72页 |
| 6.4.3 齿轮箱DS证据理论融合诊断 | 第72-75页 |
| 6.5 小结 | 第75-76页 |
| 第七章 结论与展望 | 第76-78页 |
| 7.1 工作总结 | 第76页 |
| 7.2 主要结论 | 第76-77页 |
| 7.3 进一步工作展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 攻读硕士学位期间发表论文及成果 | 第83页 |