| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 信息融合概述 | 第11-15页 |
| 1.2.1 信息融合的定义 | 第11-12页 |
| 1.2.2 信息融合的级别 | 第12-14页 |
| 1.2.3 基于证据理论的决策级信息融合方法 | 第14-15页 |
| 1.3 基于证据理论的动态融合方法研究现状 | 第15-17页 |
| 1.4 本文的项目支撑、研究工作以及章节安排 | 第17-19页 |
| 第2章 证据理论基础 | 第19-30页 |
| 2.1 引言 | 第19页 |
| 2.2 证据理论基础 | 第19-24页 |
| 2.2.1 证据理论的基本概念 | 第19-21页 |
| 2.2.2 证据折扣因子 | 第21页 |
| 2.2.3 可传递信度模型 | 第21页 |
| 2.2.4 证据的随机集表示及随机集扩展准则 | 第21-23页 |
| 2.2.5 证据理论中的融合决策准则 | 第23-24页 |
| 2.3 区间证据理论 | 第24-25页 |
| 2.3.1 区间值信度结构 | 第24页 |
| 2.3.2 归一化准则 | 第24-25页 |
| 2.3.3 区间证据融合规则 | 第25页 |
| 2.4 证据更新理论 | 第25-28页 |
| 2.4.1 Jeffery规则 | 第26页 |
| 2.4.2 类Jeffery更新规则 | 第26-27页 |
| 2.4.3 条件化线性证据更新规则 | 第27-28页 |
| 2.5 证据推理理论 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 基于条件化线性证据更新的动态融合方法及其在故障诊断中的应用 | 第30-49页 |
| 3.1 引言 | 第30-32页 |
| 3.2 证据的精细化折扣 | 第32-34页 |
| 3.3 基于静态融合与动态更新的故障诊断过程 | 第34-41页 |
| 3.3.1 局部诊断证据的静态融合及折扣因子的优化过程 | 第35-36页 |
| 3.3.2 基于条件化证据线性更新的更新后诊断证据获取过程 | 第36-39页 |
| 3.3.3 基于故障信度动态收敛指标的更新权重系数优化过程 | 第39-41页 |
| 3.4 基于全局诊断证据的故障决策 | 第41-42页 |
| 3.5 故障诊断实例 | 第42-47页 |
| 3.5.1 静态融合中局部诊断证据折扣因子的优化 | 第43-44页 |
| 3.5.2 动态更新中相似性参数α及更新权重系数的优化 | 第44-45页 |
| 3.5.3 针对测试样本的诊断实验以及其对比分析 | 第45-47页 |
| 3.6 本章小结 | 第47-49页 |
| 第4章 基于区间值信度结构的动态融合方法及其在故障诊断中的应用 | 第49-66页 |
| 4.1 引言 | 第49页 |
| 4.2 基于IBSs的相似性度量 | 第49-51页 |
| 4.3 基于区间诊断证据更新的故障诊断 | 第51-55页 |
| 4.3.1 区间值信度结构下的线性更新策略 | 第51-52页 |
| 4.3.2 基于区间值信度结构的故障诊断过程 | 第52页 |
| 4.3.3 动态调整线性组合权重的新策略 | 第52-55页 |
| 4.4 区间证据的静态可靠性与动态敏感性指标 | 第55-56页 |
| 4.5 故障诊断实例 | 第56-64页 |
| 4.6 本章小结 | 第64-66页 |
| 第5章 基于证据推理规则的动态系统状态估计方法及其在液位检测中的应用 | 第66-81页 |
| 5.1 引言 | 第66-67页 |
| 5.2 噪声有界下的动态系统模型 | 第67-68页 |
| 5.3 基于ER融合的状态估计过程 | 第68-72页 |
| 5.4 液位状态估计中的应用 | 第72-80页 |
| 5.4.1 液位仪结构及液位仪测量原理 | 第73-74页 |
| 5.4.2 动态系统的建模 | 第74页 |
| 5.4.3 液位状态估计实验 | 第74-80页 |
| 5.5 本章小结 | 第80-81页 |
| 第6章 总结与展望 | 第81-83页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-89页 |
| 附录 | 第89-90页 |
