| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的背景及意义 | 第14-15页 |
| 1.2 DCT电控系统故障诊断的发展与研究现状 | 第15-17页 |
| 1.3 证据理论简介 | 第17-18页 |
| 1.4 本文的研究内容 | 第18-20页 |
| 第二章 DCT电控系统的故障与诊断方法分析 | 第20-29页 |
| 2.1 DCT电控系统的组成和工作原理 | 第20-24页 |
| 2.1.1 DCT电控系统的组成 | 第20-24页 |
| 2.1.2 DCT电控系统的工作原理 | 第24页 |
| 2.2 DCT电控系统的故障分析 | 第24-26页 |
| 2.3 常用的电控系统故障诊断方法 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于证据理论的诊断信息融合 | 第29-40页 |
| 3.1 证据理论基本概念 | 第29-31页 |
| 3.2 改进的证据理论 | 第31-37页 |
| 3.2.1 基本概念 | 第32-35页 |
| 3.2.2 算例分析 | 第35-37页 |
| 3.3 基于证据理论的诊断信息融合流程 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于证据理论的DCT电控系统故障诊断模型设计 | 第40-54页 |
| 4.1 基于证据理论的DCT电控系统故障诊断基本原理 | 第40-45页 |
| 4.1.1 BP神经网络 | 第40-43页 |
| 4.1.2 RBF神经网络 | 第43-45页 |
| 4.1.3 基于证据理论的DCT电控系统故障诊断基本思想 | 第45页 |
| 4.2 基于证据理论的DCT电控系统故障诊断模型设计 | 第45-53页 |
| 4.2.1 故障数据的采集及处理 | 第45-49页 |
| 4.2.2 BP神经网络诊断模型设计 | 第49-50页 |
| 4.2.3 RBF神经网络诊断模型设计 | 第50-51页 |
| 4.2.4 基于证据理论的DCT电控系统故障诊断模型 | 第51-53页 |
| 4.3 本章小结 | 第53-54页 |
| 第五章 基于证据理论的DCT电控系统故障诊断仿真与分析 | 第54-60页 |
| 5.1 不同载重工况故障诊断实例仿真与分析 | 第54-56页 |
| 5.1.1 轻载工况下故障诊断实例仿真与分析 | 第54-55页 |
| 5.1.2 重载工况下故障诊断实例仿真与分析 | 第55-56页 |
| 5.2 不同坡道工况故障诊断实例仿真与分析 | 第56-59页 |
| 5.2.1 上坡工况下故障诊断实例仿真与分析 | 第56-58页 |
| 5.2.2 下坡工况下故障诊断实例仿真与分析 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
