基于信息融合的航空电子设备故障诊断研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-15页 |
| 1.1 课题背景及意义 | 第10-11页 |
| 1.2 设备故障诊断的研究现状和趋势 | 第11-13页 |
| 1.2.1 故障诊断技术现状 | 第11页 |
| 1.2.2 常见的故障诊断方法 | 第11-13页 |
| 1.3 信息融合技术发展与现状 | 第13-14页 |
| 1.4 本文的主要内容与章节安排 | 第14-15页 |
| 2 基于信息融合的故障诊断 | 第15-22页 |
| 2.1 信息融合的理论知识 | 第15-18页 |
| 2.1.1 信息融合的基本概念 | 第15页 |
| 2.1.2 信息融合的基本原理 | 第15页 |
| 2.1.3 信息融合的层次结构 | 第15-18页 |
| 2.1.4 信息融合的基本算法 | 第18页 |
| 2.2 基于信息融合的故障诊断模型 | 第18-21页 |
| 2.2.1 信息融合与故障诊断 | 第19页 |
| 2.2.2 信息融合故障诊断一般框架 | 第19-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于模糊神经网络的特征级诊断方法研究 | 第22-46页 |
| 3.1 模糊系统 | 第22-25页 |
| 3.1.1 模糊逻辑 | 第22-24页 |
| 3.1.2 模糊逻辑系统 | 第24-25页 |
| 3.2 人工神经网络 | 第25-29页 |
| 3.3 模糊理论与神经网络的智能分析 | 第29-39页 |
| 3.3.1 模糊理论与神经网络的比较 | 第29页 |
| 3.3.2 模糊神经网络结合方式 | 第29-31页 |
| 3.3.3 模糊神经网络模型 | 第31-35页 |
| 3.3.4 模糊神经网络泛化能力 | 第35-36页 |
| 3.3.5 聚类分析 | 第36-37页 |
| 3.3.6 基于聚类分析的自适应模糊神经网络 | 第37-39页 |
| 3.4 实验仿真分析与比较 | 第39-45页 |
| 3.5 本章小结 | 第45-46页 |
| 4 基于D-S证据理论的决策级诊断方法研究 | 第46-59页 |
| 4.1 D-S证据理论简介 | 第46-50页 |
| 4.1.1 D-S证据理论基本概念 | 第46-47页 |
| 4.1.2 D-S证据理论的合成规则 | 第47-48页 |
| 4.1.3 决策方法 | 第48-49页 |
| 4.1.4 证据理论的优点和不足 | 第49-50页 |
| 4.2 悖论及其修正策略 | 第50-53页 |
| 4.2.1 悖论介绍 | 第50-51页 |
| 4.2.2 悖论的修正策略 | 第51-53页 |
| 4.3 改正证据理论方法 | 第53-55页 |
| 4.3.1 贴近度及权系数的生成 | 第53-55页 |
| 4.3.2 加权后的证据合成 | 第55页 |
| 4.4 实例分析 | 第55-58页 |
| 4.5 本章小结 | 第58-59页 |
| 5 信息融合在航电设备故障诊断中的研究 | 第59-74页 |
| 5.1 航空电台 | 第59-61页 |
| 5.1.1 电台的功能 | 第59页 |
| 5.1.2 电台组成与各部分功能介绍 | 第59-60页 |
| 5.1.3 电台故障机理 | 第60-61页 |
| 5.2 基于信息融合的故障诊断框架 | 第61-64页 |
| 5.2.1 基于多子模糊神经网络局部诊断层 | 第62页 |
| 5.2.2 基于改进D-S证据理论融合诊断层 | 第62-64页 |
| 5.3 诊断实例 | 第64-73页 |
| 5.3.1 特征级子网络 | 第64-68页 |
| 5.3.2 决策级子网络 | 第68-73页 |
| 5.4 本章小结 | 第73-74页 |
| 6 结论 | 第74-75页 |
| 6.1 论文总结 | 第74页 |
| 6.2 论文展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 个人简历在学期间发表的学术论文与研究成果 | 第78-79页 |
| 致谢 | 第79页 |
