| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题概述 | 第10-11页 |
| ·课题来源 | 第10页 |
| ·课题背景 | 第10-11页 |
| ·国内外研究综述 | 第11-15页 |
| ·国内外发展现状 | 第11-13页 |
| ·性能退化评估方法发展概况 | 第13-14页 |
| ·信息融合技术的发展 | 第14-15页 |
| ·本文研究内容 | 第15-18页 |
| 第二章 基于支持向量数据描述的性能评估方法概述 | 第18-34页 |
| ·引言 | 第18页 |
| ·支持向量数据描述的基本原理 | 第18-21页 |
| ·统计学习理论基础 | 第18-20页 |
| ·支持向量数据描述的基本概念 | 第20-21页 |
| ·支持向量数据描述的核函数计其参数选取 | 第21-24页 |
| ·核函数方法的基本原理 | 第22页 |
| ·核函数的性质及常用核函数 | 第22-23页 |
| ·支持向量数据描述的核函数 | 第23-24页 |
| ·支持向量数据描述的归属状态表示 | 第24-28页 |
| ·转子不平衡故障状态的试验研究 | 第28-32页 |
| ·实验描述 | 第29页 |
| ·实验结果与分析 | 第29-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 基于遗传算法的特征选择技术 | 第34-46页 |
| ·引言 | 第34页 |
| ·特征选择技术 | 第34-37页 |
| ·特征选择的基本原理 | 第34-36页 |
| ·特征选择的模式 | 第36-37页 |
| ·遗传算法的基本原理 | 第37-43页 |
| ·遗传算法的基本结构 | 第37-38页 |
| ·遗传算法的基本操作 | 第38-41页 |
| ·遗传算法的特点 | 第41-42页 |
| ·遗传算法的应用 | 第42-43页 |
| ·遗传算法在特征选择的实现 | 第43-45页 |
| ·适应度函数的建立 | 第43-44页 |
| ·实例验证 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于多传感器信息融合的性能退化评估方法概述 | 第46-60页 |
| ·多传感器信息融合方法概述 | 第46-48页 |
| ·多传感器信息融合的基本原理 | 第46页 |
| ·多传感器信息融合的级别 | 第46-48页 |
| ·基于证据理论的信息融合方法 | 第48-52页 |
| ·证据理论的基本概念 | 第49-51页 |
| ·证据理论在模糊集合的推广 | 第51-52页 |
| ·证据理论的优点 | 第52页 |
| ·结合证据理论的设备性能退化评估 | 第52-58页 |
| ·在评估中采用多传感器信息融合的原因 | 第52-53页 |
| ·设备性能退化评估框架 | 第53页 |
| ·设备性能退化评估流程 | 第53-58页 |
| ·小结 | 第58-60页 |
| 第五章 设备性能退化评估实验分析及系统实现 | 第60-82页 |
| ·设备性能退化评估实验分析 | 第60-73页 |
| ·实验目的 | 第60页 |
| ·实验设备与方案介绍 | 第60-63页 |
| ·实验分析与结果对比 | 第63-72页 |
| ·小结 | 第72-73页 |
| ·设备性能退化评估系统的实现 | 第73-81页 |
| ·SOA 概念及其实现技术 | 第73-74页 |
| ·设备性能退化评估系统结构 | 第74-75页 |
| ·设备性能退化评估系统的实现 | 第75-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 总结与展望 | 第82-84页 |
| ·研究总结 | 第82-83页 |
| ·展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位论文期间发表的论文 | 第88-89页 |
| 致谢 | 第89-90页 |
| 本研究得到下列国家科研项目的资助 | 第90-92页 |