基于多振动信号信息融合的旋转机械故障诊断方法
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·设备故障诊断的概述 | 第9-13页 |
| ·设备故障诊断发展概况 | 第9-10页 |
| ·设备故障诊断技术概况 | 第10-13页 |
| ·多传感器信息融合技术的概述 | 第13-15页 |
| ·多传感器信息融合的提出 | 第13-14页 |
| ·多传感器信息融合国内外研究现状 | 第14-15页 |
| ·课题提出的背景及意义 | 第15-17页 |
| ·论文的主要研究内容 | 第17-19页 |
| 第二章 设备故障诊断中的信息融合 | 第19-24页 |
| ·信息融合技术的基本理论 | 第19-22页 |
| ·信息融合技术的形成与发展 | 第19页 |
| ·信息融合的基本原理 | 第19-20页 |
| ·信息融合的级别 | 第20-21页 |
| ·信息融合的特点 | 第21-22页 |
| ·信息融合的方法 | 第22页 |
| ·设备故障诊断中的信息融合技术 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 基于相关函数加权法的数据级信息融合 | 第24-33页 |
| ·数据融合概述 | 第24页 |
| ·基于相关函数加权法的数据级信息融合 | 第24-32页 |
| ·相关函数 | 第24-25页 |
| ·基于相关函数加权法的数据级信息融合的实现 | 第25-28页 |
| ·诊断实例 | 第28-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于神经网络的特征级信息融合 | 第33-53页 |
| ·基于神经网络的特征级信息融合 | 第33-43页 |
| ·神经网络的概述 | 第33-36页 |
| ·BP神经网络 | 第36-41页 |
| ·旋转机械故障诊断网络模型的建立 | 第41-43页 |
| ·基于小波包和EMD的特征的提取 | 第43-52页 |
| ·小波包分析的基本原理 | 第43-48页 |
| ·EMD的基本原理 | 第48-49页 |
| ·EMD与小波包分析的比较 | 第49-50页 |
| ·基于小波包和EMD的频率特征提取 | 第50-52页 |
| ·诊断实例分析 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 基于D-S证据理论的决策级信息融合 | 第53-63页 |
| ·D-S证据理论概述 | 第53-54页 |
| ·D-S证据理论的基本概念 | 第54-57页 |
| ·D-S证据理论的基本定义概念 | 第54-55页 |
| ·D-S证据理论的合成规则 | 第55-56页 |
| ·证据的折扣 | 第56页 |
| ·基于证据理论的决策 | 第56-57页 |
| ·基于D-S证据理论的信息融合旋转机械故障诊断 | 第57-61页 |
| ·基于D-S证据理论的信息融合的基本过程 | 第57-59页 |
| ·诊断实例分析 | 第59-61页 |
| ·本章小结 | 第61-63页 |
| 第六章 研究结论与展望 | 第63-64页 |
| 参考文献 | 第64-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间主要研究成果目录 | 第67-68页 |
