| 第1章 绪论 | 第1-18页 |
| ·本文研究工作的意义与目的 | 第10-11页 |
| ·信息融合技术概述 | 第11-15页 |
| ·信息融合基本原理 | 第11-12页 |
| ·信息融合的层次结构 | 第12-15页 |
| ·信息融合诊断方法需要解决的问题 | 第15-16页 |
| ·论文研究的内容和结构 | 第16-18页 |
| 第2章 设备故障诊断中的信息融合 | 第18-26页 |
| ·信息融合技术的形成与发展 | 第18页 |
| ·信息融合的特点 | 第18-19页 |
| ·信息融合的结构形式 | 第19-20页 |
| ·信息融合的方法 | 第20-21页 |
| ·设备故障诊断中的信息融合利用 | 第21-25页 |
| ·设备故障诊断中的信息分类 | 第21-22页 |
| ·设备故障诊断中的信息融合 | 第22-23页 |
| ·设备故障诊断信息融合的理论基础 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 基于神经网络的特征级信息融合 | 第26-39页 |
| ·人工神经网络概述 | 第26页 |
| ·神经网络的拓扑结构 | 第26-27页 |
| ·神经网络的学习方式 | 第27-28页 |
| ·径向基函数神经网络(RBFN) | 第28-35页 |
| ·概述 | 第28-29页 |
| ·RBF神经元 | 第29页 |
| ·网络拓扑结构 | 第29-30页 |
| ·RBF神经网络的映射关系 | 第30-31页 |
| ·RBF神经网络的训练算法 | 第31-35页 |
| ·神经网络信息融合故障诊断方法 | 第35页 |
| ·神经网络信息融合模型 | 第35-38页 |
| ·单子神经网络的信息融合 | 第36页 |
| ·集成神经网络的信息融合 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第4章 基于D-S证据理论的特征级信息融合 | 第39-47页 |
| ·Dempster-Shafer证据理论概述 | 第39-40页 |
| ·D-S证据理论的基本概念 | 第40-43页 |
| ·基本定义 | 第40-42页 |
| ·D-S合成规则 | 第42页 |
| ·D-S证据推理步骤及过程 | 第42-43页 |
| ·基于D-S证据理论的信息融合故障诊断方法 | 第43-44页 |
| ·诊断模型的建立 | 第43页 |
| ·诊断的基本步骤 | 第43-44页 |
| ·证据推理的具体实现 | 第44-46页 |
| ·基本可信度的确定 | 第44-46页 |
| ·决策规则 | 第46页 |
| ·本章小结 | 第46-47页 |
| 第5章 并行神经元网络和证据理论相结合的特征级融合方法 | 第47-56页 |
| ·问题的提出 | 第47-48页 |
| ·特征级融合二级推理的结构 | 第48-51页 |
| ·初步诊断层的神经网络推理 | 第49-50页 |
| ·决策诊断层的推理 | 第50-51页 |
| ·仿真程序设计 | 第51-54页 |
| ·仿真程序总体结构 | 第51页 |
| ·RBF神经网络的训练和校正模块 | 第51-52页 |
| ·特征级信息融合主程序模块 | 第52-54页 |
| ·应用举例 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-58页 |
| 总结 | 第56-57页 |
| 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间所发表的论文 | 第61-62页 |
| 致谢 | 第62页 |