多源信息融合技术在电机故障诊断中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究意义与目的 | 第10-11页 |
| ·电机故障诊断技术概述 | 第11-12页 |
| ·章节安排 | 第12-13页 |
| 第二章 信息融合的基本理论 | 第13-28页 |
| ·电机故障诊断中存在的不确定性问题 | 第13-15页 |
| ·信息的不确定性 | 第15-19页 |
| ·不确定性信息 | 第15-17页 |
| ·解决不确定性问题常用方法 | 第17-18页 |
| ·不确定性算法比较 | 第18-19页 |
| ·多源信息融合技术 | 第19-27页 |
| ·多源信息融合的基本原理 | 第19-20页 |
| ·国内外研究现状 | 第20-22页 |
| ·融合的级别 | 第22-25页 |
| ·信息融合的主要方法 | 第25-26页 |
| ·主要应用领域 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 故障诊断融合模型 | 第28-41页 |
| ·故障诊断的融合体系结构 | 第28-33页 |
| ·并联融合结构和串联融合结构 | 第28-29页 |
| ·硬判定融合与软判定融合 | 第29-30页 |
| ·多层诊断融合结构 | 第30-33页 |
| ·故障诊断融合功能模型 | 第33-40页 |
| ·融合功能模型的形式化描述 | 第33-34页 |
| ·诊断融合模型 | 第34-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于贝叶斯网络的诊断融合模型 | 第41-51页 |
| ·贝叶斯网络概述 | 第41-44页 |
| ·贝叶斯网络的描述 | 第41-42页 |
| ·贝叶斯网络的建模 | 第42-43页 |
| ·应用贝叶斯网络进行故障诊断的优势 | 第43-44页 |
| ·贝叶斯网络的研究领域 | 第44-45页 |
| ·贝叶斯网络推理算法 | 第45-46页 |
| ·用于故障诊断的贝叶斯网络 | 第46-50页 |
| ·故障诊断功能模型的贝叶斯网络表示 | 第46-48页 |
| ·故障诊断的贝叶斯网络推理 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 诊断贝叶斯网络模型的建立 | 第51-59页 |
| ·故障树模型 | 第51-53页 |
| ·诊断贝叶斯网络 | 第53页 |
| ·诊断贝叶斯网络模型的建立 | 第53-58页 |
| ·基本关系转化 | 第53-55页 |
| ·模型转化算法 | 第55-57页 |
| ·诊断贝叶斯网络与故障树的特性比较 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第六章 应用与评价 | 第59-66页 |
| ·电机基本原理 | 第59-60页 |
| ·故障诊断融合系统的设计与实现 | 第60-62页 |
| ·设计过程 | 第60-61页 |
| ·系统实现 | 第61-62页 |
| ·诊断结果分析 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 结论和展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 在学研究成果 | 第70-71页 |
| 致谢 | 第71页 |
