| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-10页 |
| 第一章 绪论 | 第10-33页 |
| 1．1 设备状态监测与故障诊断研究的意义和基本概念 | 第10-12页 |
| 1．2 信息融合诊断方法的研究意义及国内外研究概况 | 第12-22页 |
| 1．3 “汽车变速箱性能检测系统”研究项目的提出及关键技术 | 第22-24页 |
| 1．4 论文的研究内容和结构 | 第24-33页 |
| 第二章 信息融合故障诊断的一般框架 | 第33-40页 |
| 2．1 信息融合技术的生物学基础 | 第33页 |
| 2．2 信息融合技术的哲学基础 | 第33-34页 |
| 2．3 故障诊断信息融合的理论基础 | 第34-37页 |
| 2．4 信息融合故障诊断的一般框架 | 第37-39页 |
| 2．5 本章小结 | 第39-40页 |
| 第三章 基于神经网络技术的信息融合故障诊断方法 | 第40-73页 |
| 3．1 人工神经网络概述 | 第40页 |
| 3．2 误差反向传播神经网络（BPN） | 第40-56页 |
| 3．3 径向基函数神经网络（RBFN） | 第56-64页 |
| 3．4 基于神经网络的信息融合方法 | 第64-70页 |
| 3．5 本章小结 | 第70-73页 |
| 第四章 基于D-S证据理论的信息融合故障诊断方法 | 第73-91页 |
| 4．1 Dempster-Shafer证据理论概述 | 第73-74页 |
| 4．2 证据理论的基本概念 | 第74-79页 |
| 4．3 D-S证据推理信息融合决策的基本过程 | 第79-80页 |
| 4．4 基于D-S证据理论的信息融合故障诊断方法 | 第80-81页 |
| 4．5 旋转机械故障诊断实例分析 | 第81-90页 |
| 4．6 本章小结 | 第90-91页 |
| 第五章 分层信息融合故障诊断策略 | 第91-105页 |
| 5．1 问题的提出 | 第91-92页 |
| 5．2 分层信息融合诊断功能模型 | 第92-94页 |
| 5．3 在“汽车变速箱性能检测系统”中的诊断实例分析 | 第94-104页 |
| 5．4 本章小结 | 第104-105页 |
| 第六章 群体决策理论及其在故障诊断领域中的应用研究 | 第105-120页 |
| 6．1 概述 | 第105页 |
| 6．2 群体决策一般过程 | 第105-113页 |
| 6．3 在故障诊断领域中的应用 | 第113-119页 |
| 6．4 本章小结 | 第119-120页 |
| 第七章 汽车变速箱性能检测系统的研制 | 第120-142页 |
| 7．1 系统组成 | 第120页 |
| 7．2 信号测试方案设计 | 第120-122页 |
| 7．3 系统需求分析 | 第122-123页 |
| 7．4 面向对象的软件设计 | 第123-130页 |
| 7．5 并发性问题的解决方法 | 第130-133页 |
| 7．6 系统核心数值算法的设计 | 第133-135页 |
| 7．7 系统的应用 | 第135-140页 |
| 7．8 本章小结 | 第140-142页 |
| 第八章 总结与展望 | 第142-145页 |
| 8．1 总结 | 第142-143页 |
| 8．2 展望 | 第143-145页 |
| 本文创新点摘要 | 第145-146页 |
| 致谢 | 第146-147页 |
| 作者在攻读博士学位期间发表的学术论文 | 第147页 |
