| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-16页 |
| ·课题的研究背景及意义 | 第10页 |
| ·发动机故障诊断技术 | 第10-13页 |
| ·国内外研究现状 | 第10-12页 |
| ·典型方法 | 第12-13页 |
| ·基于多源信息融合的故障诊断技术 | 第13-15页 |
| ·国内外研究现状 | 第13-14页 |
| ·典型方法 | 第14-15页 |
| ·论文的主要研究内容和结构 | 第15-16页 |
| 2 多源信息融合技术 | 第16-32页 |
| ·多源信息融合的基本原理 | 第16页 |
| ·多源信息融合的层次 | 第16-17页 |
| ·经典 D-S 证据理论 | 第17-24页 |
| ·经典 D-S 证据理论的基本概念 | 第17-19页 |
| ·经典 D-S 证据理论合成法则 | 第19-20页 |
| ·基本可信度分配函数的构造 | 第20-22页 |
| ·决策规则 | 第22页 |
| ·决策的基本过程及算例分析 | 第22-24页 |
| ·模糊集合理论 | 第24-27页 |
| ·模糊诊断原理 | 第24-25页 |
| ·模糊逻辑系统的结构 | 第25-26页 |
| ·模糊诊断算法 | 第26-27页 |
| ·模糊诊断原则 | 第27页 |
| ·人工神经网络 | 第27-31页 |
| ·BP 神经网络结构 | 第28-29页 |
| ·BP 网络的学习算法 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 发动机故障诊断机理 | 第32-40页 |
| ·发动机典型故障模式及故障特征 | 第32-34页 |
| ·发动机典型故障模式 | 第32-33页 |
| ·发动机故障的特点及性质 | 第33-34页 |
| ·发动机动力性能分析 | 第34页 |
| ·发动机振动诊断系统 | 第34-37页 |
| ·发动机振动信号的产生 | 第34-35页 |
| ·发动机振动信号的故障诊断机理 | 第35-36页 |
| ·发动机振动信号的特性研究 | 第36-37页 |
| ·发动机故障诊断中的不确定性 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 4 发动机故障诊断实验系统 | 第40-50页 |
| ·实验系统的组成 | 第40-41页 |
| ·系统工作原理 | 第40页 |
| ·测点的选择要求 | 第40-41页 |
| ·样本类别及实验步骤 | 第41-42页 |
| ·实验结果分析与特征提取 | 第42-49页 |
| ·振动信号的时域特征参数提取 | 第43-46页 |
| ·振动信号的频域特征参数提取 | 第46-49页 |
| ·本章总结 | 第49-50页 |
| 5 基于神经网络和 D-S 理论融合的发动机故障诊断 | 第50-63页 |
| ·基于改进 BP 神经网络的发动机故障诊断 | 第50-58页 |
| ·改进 BP 算法 | 第50-51页 |
| ·改进 BP 神经网络的设计 | 第51-54页 |
| ·神经网络的训练 | 第54-57页 |
| ·系统测试 | 第57-58页 |
| ·结果分析 | 第58页 |
| ·基于神经网络和 D-S 证据理论结合的发动机故障诊断 | 第58-62页 |
| ·神经网络进行局部诊断 | 第60-61页 |
| ·D-S 证据理论决策层融合诊断 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 6 基于加权 D-S 理论和模糊理论的发动机故障诊断 | 第63-76页 |
| ·基于加权 D-S 证据理论的发动机故障诊断 | 第63-70页 |
| ·经典 D-S 证据理论存在的缺陷 | 第63-64页 |
| ·加权证据理论 | 第64-66页 |
| ·算例分析 | 第66-67页 |
| ·加权证据理论在发动机故障诊断中的应用 | 第67-70页 |
| ·基于模糊理论决策层融合的发动机故障诊断 | 第70-74页 |
| ·模糊集合理论与神经网络的比较 | 第70-71页 |
| ·模糊理论与神经网络的结合 | 第71-72页 |
| ·基于模糊理论与神经网络结合的发动机故障诊断 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 总结与展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 攻读硕士学位期间发表的论文 | 第82-83页 |
| 致谢 | 第83页 |
