| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 多故障诊断的研究背景、目的和意义 | 第12-13页 |
| 1.2 多故障诊断技术的发展及研究现状 | 第13-14页 |
| 1.2.1 多故障的定义及分类 | 第13页 |
| 1.2.2 多故障诊断技术国内外研究现状 | 第13-14页 |
| 1.3 信息融合技术概述 | 第14-17页 |
| 1.3.1 信息融合技术的定义、发展及研究现状 | 第14-15页 |
| 1.3.2 信息融合的层次 | 第15-17页 |
| 1.3.3 基于信息融合的故障诊断 | 第17页 |
| 1.4 本文的主要研究内容 | 第17-20页 |
| 第2章 基于BP神经网络的特征层多故障诊断方法研究 | 第20-34页 |
| 2.1 BP神经网络 | 第20-23页 |
| 2.1.1 神经元模型 | 第20-21页 |
| 2.1.2 前馈神经网络 | 第21页 |
| 2.1.3 BP神经网络 | 第21-23页 |
| 2.2 基于BP神经网络的多故障诊断方法 | 第23-24页 |
| 2.3 仿真实验与分析 | 第24-26页 |
| 2.4 基于遗传算法优化BP神经网络的多故障诊断 | 第26-32页 |
| 2.4.1 遗传算法基本原理 | 第26-28页 |
| 2.4.2 基于遗传算法优化BP神经网络的多故障诊断方法 | 第28-30页 |
| 2.4.3 仿真实验与分析 | 第30-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于自由DSmT的决策层多故障诊断方法研究 | 第34-50页 |
| 3.1 Dezert-Smarandache Theory | 第34-39页 |
| 3.1.1 DSmT基本概念 | 第34-36页 |
| 3.1.2 超幂集的产生 | 第36-39页 |
| 3.1.3 DSmT与概率论、DST的区别 | 第39页 |
| 3.2 基于DSmT的多故障诊断 | 第39-42页 |
| 3.2.1 DSmT的多故障表示 | 第39-40页 |
| 3.2.3 基于DSmT的多故障诊断方法 | 第40-42页 |
| 3.3 自由DSmT | 第42-43页 |
| 3.3.1 自由DSm模型 | 第42页 |
| 3.3.2 自由DSm模型的组合规则 | 第42-43页 |
| 3.4 基于自由DSmT的多故障诊断方法 | 第43-48页 |
| 3.4.1 仿真实验与分析Ⅰ | 第44-46页 |
| 3.4.2 仿真实验与分析Ⅱ | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 第4章 基于混合DSmT的决策层多故障诊断方法研究 | 第50-60页 |
| 4.1 混合DSmT | 第50-54页 |
| 4.1.1 混合DSm模型 | 第50-51页 |
| 4.1.2 混合DSm模型的组合规则 | 第51-54页 |
| 4.2 基于混合DSmT的多故障诊断方法 | 第54-55页 |
| 4.3 仿真实验及分析 | 第55-58页 |
| 4.4 本章小结 | 第58-60页 |
| 第5章 基于分层DSmT的决策层多故障诊断方法研究 | 第60-74页 |
| 5.1 分层DSmT | 第60-62页 |
| 5.1.1 “焦元爆炸”问题 | 第60-61页 |
| 5.1.2 分层DSmT | 第61-62页 |
| 5.1.3 分层规则 | 第62页 |
| 5.2 主元凝聚层证据聚类 | 第62-68页 |
| 5.2.1 证据聚类 | 第63-64页 |
| 5.2.2 典型冲突衡量的方法 | 第64-65页 |
| 5.2.3 邻近度计算 | 第65-66页 |
| 5.2.4 证据主元 | 第66页 |
| 5.2.5 一致性检验 | 第66页 |
| 5.2.6 广义辨识框架分层步骤 | 第66-68页 |
| 5.3 基于分层DSmT的多故障诊断方法 | 第68-69页 |
| 5.4 仿真实验与分析 | 第69-72页 |
| 5.4.1 仿真实验Ⅰ | 第69-71页 |
| 5.4.2 仿真分析Ⅱ | 第71-72页 |
| 5.5 本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74-75页 |
| 6.2 展望 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 攻读硕士期间待发表论文 | 第82-84页 |
| 致谢 | 第84页 |
