声明
摘要
第1章 绪论
1.1 研究背景和研究意义
1.1.1 研究背景
1.1.2 研究意义
1.2 国内外研究现状及发展趋势
1.2.1 机械故障诊断技术的国内外研究现状
1.2.2 机械故障诊断技术的发展趋势
1.3 故障诊断的研究方法
1.3.1 基于模型的故障诊断方法
1.3.2 基于信号处理的故障诊断方法
1.3.3 基于知识的故障诊断方法
1.4 机械故障诊断与视情维修策略
1.5 论文的主要研究内容
第2章 机械故障诊断过程中的不确定性及解决方案
2.1 机械设备故障及其诊断技术的概念
2.1.1 机械设备的故障的概念
2.1.2 机械设备的故障诊断技术
2.2 机械故障诊断中的不确定性
2.2.1 不确定理论及不确定来源
2.2.2 不确定性信息及其推理
2.3 针对复杂机械故障诊断中不确定性的解决方案
2.4 本章小结
第3章 机械故障诊断中的贝叶斯网络建模
3.1 引言
3.2 贝叶斯网络
3.2.1 贝叶斯网络的原理
3.2.2 故障贝叶斯网络
3.3 基于ACO的故障贝叶斯网络结构的建立
3.3.1 蚁群化优化算法
3.3.2 基于ACO算法的故障贝叶斯网络结构学习
3.4 基于故障树的故障贝叶斯网络结构映射
3.4.1 故障树分析法的概念及特点
3.4.2 故障树到故障贝叶斯网络的映射
3.5 本章小结
第4章 机械故障诊断中的贝叶斯网络推理
4.1 引言
4.2 贝叶斯网络的推理
4.3 故障贝叶斯网络的推理算法
4.3.1 推理结构转变
4.3.2 信念初始化
4.3.3 信念传递与吸收
4.3.4 故障概率的局部算法
4.4 本章小结
第5章 基于D-S证据理论的会诊诊断融合模型
5.1 引言
5.2 机械故障会诊诊断策略
5.3 D-S证据理论
5.3.1 证据理论基本概念
5.3.2 Dempster-Shafer合成法则
5.4 基于D-S证据理论的会诊诊断融合模型
5.4.1 会诊诊断的过程及步骤
5.4.2 融合悖论问题及贴合度的提出
5.4.3 基于D-S证据理论的会诊诊断融合模型
5.5 本章小结
第6章 故障贝叶斯网络在酸洗线和镀锌线的故障诊断中的应用
6.1 引言
6.2 风机系统故障诊断的贝叶斯网络建模及推理
6.3 本章小结
结论与展望
致谢
参考文献
作者简介
攻读硕士学位期间发表的论文