声明
摘要
第1章绪论
1.1课题的研究背景和意义
1.2信息融合技术概述
1.3基于信息融合的故障诊断方法研究现状
1.4本文的主要研究内容
第2章基于神经网络的特征层初步诊断方法研究
2.1 BP神经网络基础
2.1.1 BP神经网络模型
2.1.2 BP神经网络学习规则
2.2轧制过程征兆变量的选择
2.3基于BP神经网络的轧制过程故障诊断
2.3.1诊断模型的建立
2.3.2诊断的基本步骤
2.3.3算例分析
2.4思维进化算法基础
2.5基于思维进化算法优化BP神经网络的轧制过程故障诊断
2.5.1诊断模型的建立
2.5.2算例分析
2.6本章小结
第3章基于支持向量机的特征层初步诊断方法研究
3.1支持向量机基础
3.1.1线性可分
3.1.2线性不可分
3.1.3核函数
3.2多分类问题
3.2.1一对多方法
3.2.2一对一方法
3.2.3有向无环图方法
3.3基于支持向量机的概率估计
3.4基于交叉验证实现SVM分类器参数优化
3.5基于支持向量机的轧制过程故障诊断
3.5.1诊断模型的建立
3.5.2算例分析
3.6本章小结
第4章基于DSm理论的决策层多故障诊断方法研究
4.1 DSm理论基础
4.1.1 DSm理论基本概念
4.1.2基于DSm的多故障表示
4.2自由DSm理论
4.2.1自由DSm模型
4.2.2自由DSm融合规则
4.3混合DSm理论
4.3.1混合DSm模型
4.3.2混合DSm融合规则
4.4基于DSm理论的多故障诊断方法
4.4.1诊断的基本步骤
4.4.2算例分析
4.5本章小结
第5章基于分类折扣DSm的决策层多故障诊断方法研究
5.1混合DSm融合规则的缺陷
5.2证据冲突衡量方法
5.2.1典型证据冲突衡量方法
5.2.2修正证据距离
5.2.3基于合取冲突与修正证据距离的二元组冲突衡量方法
5.3基于证据熵的证据主元
5.4主元凝聚层证据聚类
5.5基于分类折扣DSm的多故障诊断方法
5.5.1分类折扣融合规则
5.5.2算例分析
5.6本章小结
第6章总结与展望
6.1总结
6.2展望
参考文献
致谢
攻读硕士研究生期间主要成果
东北大学;