| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-21页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.3 本文的主要研究内容及组织结构 | 第17-19页 |
| 1.3.1 本文研究内容 | 第17-18页 |
| 1.3.2 技术路线 | 第18页 |
| 1.3.3 论文的组织结构 | 第18-19页 |
| 1.4 论文创新点 | 第19-21页 |
| 第2章 认知不确定性下复杂系统动态故障树模型的构建 | 第21-31页 |
| 2.1 故障树模型的构建 | 第21-22页 |
| 2.2 区间值三角模糊数的底事件故障率的估计 | 第22-27页 |
| 2.2.1 三角模糊数底事件故障率的估计 | 第24-26页 |
| 2.2.2 区间三角模糊底事件故障率的估计 | 第26-27页 |
| 2.3 基于变异系数法的威布尔分布底事件参数估计 | 第27-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 基于动态证据网络的动态故障树分析方法 | 第31-51页 |
| 3.1 D-S证据理论的基本概念 | 第31-34页 |
| 3.1.1 识别框架和基本概率分配函数 | 第31-32页 |
| 3.1.2 信任函数和似然函数 | 第32-34页 |
| 3.2 动态证据网络 | 第34-36页 |
| 3.2.1 证据网络 | 第34-35页 |
| 3.2.2 动态证据网络 | 第35-36页 |
| 3.3 认知不确定性下动态证据网络系统可靠性模型 | 第36-39页 |
| 3.3.1 动态故障树向动态证据网络的转换 | 第36-38页 |
| 3.3.2 认知不确定下动态证据网络的节点模型 | 第38-39页 |
| 3.4 动态故障树转化为动态证据网络 | 第39-46页 |
| 3.4.1 静态逻辑门向动态证据网络的转换 | 第40-43页 |
| 3.4.2 动态逻辑门向动态证据网络的转换 | 第43-46页 |
| 3.5 模型验证及算例分析 | 第46-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 基于动态证据网络的区间数多属性故障诊断方法 | 第51-63页 |
| 4.1 基于动态证据网络的系统可靠性参数计算方法 | 第51-54页 |
| 4.1.1 系统可靠性 | 第51-52页 |
| 4.1.2 重要度 | 第52-53页 |
| 4.1.3 信息启发式函数 | 第53-54页 |
| 4.2 系统故障诊断动态群决策问题描述和基本流程 | 第54-55页 |
| 4.3 基于改进型VIKOR区间多属性故障诊断算法 | 第55-62页 |
| 4.3.1 构建规范化故障诊断决策矩阵 | 第56-57页 |
| 4.3.2 基于熵权法的区间数多属性权重的确定 | 第57-59页 |
| 4.3.3 故障搜索方案的群体效益值和个别遗憾度 | 第59-60页 |
| 4.3.4 故障搜索方案的折衷值 | 第60-61页 |
| 4.3.5 最佳诊断方案的确定 | 第61-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第5章 案例分析 | 第63-72页 |
| 5.1 微机控制直通电空制动系统 | 第63页 |
| 5.2 制动系统的区间多属性故障诊断方法 | 第63-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第6章 结论与展望 | 第72-75页 |
| 6.1 本文主要结论 | 第72-73页 |
| 6.2 后续工作展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 附录 缩略词 | 第80-81页 |
| 攻读硕士学位期间的研究成果 | 第81页 |
