| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的背景、意义 | 第8-9页 |
| ·电梯检测诊断技术的国内外研究现状 | 第9-10页 |
| ·多传感器信息融合技术的国内外研究现状与应用 | 第10-12页 |
| ·多传感器信息融合技术的国内外研究现状 | 第10-11页 |
| ·多传感器信息融合的应用 | 第11-12页 |
| ·论文的主要内容和结构 | 第12-14页 |
| 第二章 电梯振动机理分析及检测系统的设计 | 第14-23页 |
| ·电梯的基本知识 | 第14-17页 |
| ·电梯的分类 | 第14-15页 |
| ·电梯的基本结构 | 第15-17页 |
| ·电梯乘坐的舒适性与振动分析 | 第17-20页 |
| ·电梯乘坐的舒适性分析 | 第17-18页 |
| ·电梯轿厢的振动及机理分析 | 第18-20页 |
| ·检测系统的设计 | 第20-22页 |
| ·基于 CAN 总线的分布式检测方案 | 第20-21页 |
| ·CAN 采集节点的设计 | 第21页 |
| ·传感器的选择 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 多传感器信息融合技术的电梯智能诊断分析 | 第23-31页 |
| ·多传感器信息融合的理论基础 | 第23-26页 |
| ·多传感器信息融合的基本原理 | 第23页 |
| ·多传感器信息融合的融合过程 | 第23-25页 |
| ·多传感器信息融合算法 | 第25-26页 |
| ·多传感器信息融合的层次结构 | 第26-28页 |
| ·数据层融合 | 第26-27页 |
| ·特征层融合 | 第27页 |
| ·决策层融合 | 第27-28页 |
| ·多传感器信息融合的电梯智能诊断过程 | 第28-29页 |
| ·多传感器信息融合用于电梯诊断的有效性分析 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于人工神经网络信息融合的电梯诊断方法 | 第31-40页 |
| ·人工神经网络 | 第31-33页 |
| ·人工神经网络的基本原理 | 第31-32页 |
| ·基于神经网络信息融合的电梯诊断模型 | 第32-33页 |
| ·BP 神经网络 | 第33-36页 |
| ·BP 神经网络的基本原理 | 第33-34页 |
| ·BP 神经网络的学习算法及网络的训练过程 | 第34-36页 |
| ·基于 BP 神经网络信息融合的电梯智能诊断方法 | 第36-39页 |
| ·输入层、输出层神经元个数的确定及数据预处理 | 第37-38页 |
| ·隐含层神经元个数的确定 | 第38页 |
| ·网络的训练 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于 D-S 证据理论信息融合的电梯诊断方法 | 第40-49页 |
| ·D-S 证据理论理论基础 | 第40-42页 |
| ·D-S 证据理论的基本概念 | 第40-41页 |
| ·D-S 证据理论的合成规则 | 第41-42页 |
| ·D-S 证据理论在电梯智能诊断中的有效性分析 | 第42-45页 |
| ·基于 D-S 证据理论信息融合的电梯诊断方法 | 第45-48页 |
| ·D-S 证据理论信息融合的电梯诊断模型 | 第45-46页 |
| ·D-S 证据理论信息融合在电梯诊断中的应用分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 BP 神经网络和 D-S 证据理论相结合的信息融合电梯诊断方法研究 | 第49-60页 |
| ·BP 神经网络和 D-S 证据理论相结合的信息融合电梯智能诊断模型 | 第49-50页 |
| ·BP 神经网络信息融合特征层诊断 | 第50-52页 |
| ·D-S 证据理论信息融合决策层诊断 | 第52-54页 |
| ·基于 VC++与 MATLAB 的混合编程的电梯智能诊断软件设计 | 第54-59页 |
| ·基于 MATCOM 的 VC++与 MATLAB 的混合编程原理 | 第54-55页 |
| ·电梯智能诊断系统的软件实现 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的论文 | 第66页 |
