| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 引言 | 第9-19页 |
| ·选题背景及意义 | 第9-10页 |
| ·液压系统故障诊断技术的研究进展及发展趋势 | 第10-14页 |
| ·液压系统故障诊断技术的研究现状 | 第10-11页 |
| ·液压系统故障诊断技术的主要方法 | 第11-13页 |
| ·液压系统故障诊断技术的发展趋势 | 第13-14页 |
| ·多传感器信息融合技术的国内外发展现状 | 第14-16页 |
| ·本文的主要内容与结构安排 | 第16-19页 |
| 第二章 多传感器信息融合技术 | 第19-27页 |
| ·多传感器信息融合的定义及优势 | 第19-20页 |
| ·信息融合的基本原理 | 第20-21页 |
| ·信息融合的模型 | 第21-23页 |
| ·信息融合的级别 | 第23-25页 |
| ·基于多传感器信息融合的故障诊断系统模型 | 第25-26页 |
| ·多传感器信息融合与故障诊断 | 第25页 |
| ·基于信息融合的故障诊断系统模型 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于神经网络的特征级诊断算法 | 第27-49页 |
| ·神经网络在多传感器信息融合故障诊断系统中的应用 | 第27页 |
| ·基本知识 | 第27-34页 |
| ·BP 神经网络 | 第27-30页 |
| ·微粒群算法 | 第30-34页 |
| ·改进的 PSO 算法 | 第34-42页 |
| ·几种改进的 PSO 算法 | 第34-35页 |
| ·基于惯性权重正弦调整和自适应变异策略的 PSO 改进算法 | 第35-36页 |
| ·算例分析与比较 | 第36-42页 |
| ·改进的 PSO-BP 神经网络 | 第42-48页 |
| ·改进的 PSO-BP 神经网络模型 | 第43-45页 |
| ·算例分析与比较 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于 D-S 证据理论的决策级融合算法 | 第49-63页 |
| ·D-S 证据理论 | 第49-54页 |
| ·D-S 证据理论基本概念 | 第49-51页 |
| ·D-S 证据理论组合规则 | 第51-52页 |
| ·D-S 证据理论决策规则 | 第52-54页 |
| ·D-S 证据理论组合规则存在的问题 | 第54-55页 |
| ·改进的 D-S 证据理论 | 第55-60页 |
| ·现有的改进方法 | 第55-56页 |
| ·一种新的基于证据权重的 D-S 改进算法 | 第56-60页 |
| ·算例分析与比较 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于多传感器信息融合的液压系统故障诊断实例 | 第63-79页 |
| ·液压泵的工作原理以及故障机理分析 | 第63-65页 |
| ·基于多神经网络和改进 D-S 证据理论的液压系统故障诊断模型 | 第65-67页 |
| ·基于多 MPSO-BP 神经网络的特征级局部诊断层 | 第66页 |
| ·基于改进 D-S 证据理论的决策级融合诊断层 | 第66-67页 |
| ·诊断实例 | 第67-77页 |
| ·数据分析与预处理 | 第68-69页 |
| ·特征级子网诊断 | 第69-75页 |
| ·决策级融合诊断 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 第六章 结论与展望 | 第79-81页 |
| ·结论 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-89页 |
| 攻读硕士学位期间所发表的论文 | 第89-90页 |
