| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1.绪论 | 第8-15页 |
| ·矿井提升机故障检测研究背景 | 第8-9页 |
| ·矿井提升机故障检测国内外研究现状 | 第9-11页 |
| ·矿井提升机故障诊断存在的问题 | 第11页 |
| ·信息融合在矿井提升机故障检测的应用 | 第11-13页 |
| ·论文研究的主要内容 | 第13-15页 |
| 2.D-S证据理论在矿井提升机故障检测上的设计 | 第15-29页 |
| ·D-S证据理论的矿井提升机故障诊断框架 | 第16页 |
| ·D-S证据理论对故障类型分析的具体步骤 | 第16-17页 |
| ·基于D-S证据理论对矿井提升机故障诊断 | 第17-20页 |
| ·故障特征获取 | 第17-18页 |
| ·基本可信度分配函数的构造 | 第18-19页 |
| ·基本概率分配 | 第19-20页 |
| ·D-S证据理论对提升机各故障因素的分析 | 第20-21页 |
| ·D-S合并规则 | 第21-23页 |
| ·基于D-S理论的决策方法 | 第23页 |
| ·示例分析 | 第23-27页 |
| ·小结 | 第27-29页 |
| 3.基于时空域信息融合在矿井提升机故障检测上的设计 | 第29-38页 |
| ·多传感器时空信息融合系统结构 | 第29-30页 |
| ·小波分析 | 第30-32页 |
| ·故障特征时间信息融合 | 第32-33页 |
| ·故障特征在空域的融合 | 第33-34页 |
| ·矿井提升机系统决策 | 第34-35页 |
| ·示例 | 第35-37页 |
| ·小结 | 第37-38页 |
| 4.集成神经网络信息融合在矿井提升机故障预测的设计 | 第38-50页 |
| ·矿井提升机集成神经网络的信息融合 | 第38-40页 |
| ·矿井提升机子神经网络的组建原则 | 第40-41页 |
| ·矿井提升机子网建立 | 第41-45页 |
| ·诊断BP神经网络的训练 | 第41-42页 |
| ·小波神经网络 | 第42-45页 |
| ·矿井提升机系统故障决策 | 第45-46页 |
| ·示例分析 | 第46-49页 |
| ·子网的诊断 | 第46-48页 |
| ·融合诊断 | 第48-49页 |
| ·小结 | 第49-50页 |
| 5.总结 | 第50-52页 |
| ·论文总结 | 第50页 |
| ·本论文需要进一步研究内容 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 作者简介及在硕士期间发表的学术论文 | 第57页 |