声明
第一章 绪论
1.1 课题的研究背景与意义
1.2 基于信息融合的故障诊断方法
1.3 故障诊断中信息融合方法的国内外研究现状
1.4 视听信息融合的国内外研究现状
1.5 本论文的主要研究内容及结构安排
第二章 视听信息融合的生理学启示及理论基础
2.1 引言
2.2 视听信息融合的生理学研究启示
2.3 信息融合的理论基础
2.3.1 信息融合的功能模型
2.3.2 信息融合的层次化描述与和故障诊断中的一般框架
2.3.3 信息融合的主要技术和方法
2.4 视听信息融合的特殊性
2.5 本章小结
第三章 视听信息故障特征描述与提取与选择
3.1 引言
3.2 视觉信息特征参数的定义与描述
3.2.1 颜色特征
3.2.2 纹理特征
3.2.3 形状特征
3.2.4 运动特征
3.3 听觉信息特征参数的定义与描述
3.3.1 时域特征参数的定义
3.3.2 频域特征参数的定义
3.3.3 能量特征参数的定义
3.4 基于EMD-ICA联合降噪的听觉信息故障特征提取
3.4.1 ICA方法分析
3.4.2 EMD方法分析
3.4.3 EMD-ICA联合信号处理技术
3.5 基于距离评估的特征选择技术
3.5.1 特征选择技术概述
3.5.2 改进的基于类内、类间距离的特征评估技术
3.6 BP神经网络分类器的构建
3.6.1人工神经元模型描述
3.6.2 BP神经网络分类器
3.6.3 基于特征评估及BP神经网络的故障诊断模型
3.7 基于改进的特征选择方法故障诊断实验及分析
3.8 本章小结
第四章 基于自适应模糊神经推理系统的分类器构建
4.1 引言
4.2 自适应模糊神经推理系统
4.3 ANFIS算法分析
4.4 ANFIS算法的改进研究
4.4.1基于Fletcher-Reeves Update共轭梯度法的ANFIS改进
4.4.2 基于SCG法的ANFIS改进
4.4.3 基于LM算法的ANFIS改进
4.5 改进算法的对比试验
4.6 LM-ANFIS算法的优化
4.7 本章小结
第五章 基于ANFIS和D-S证据理论的分层诊断模型
5.1 引言
5.2 证据组合方法分析
5.3 D-S证据理论
5.3.1 基本概念
5.3.2 D-S合成规则
5.4 D-S证据理论的改进
5.5 基于ANFIS和D-S证据理论的分层信息融合模型
5.5.1 基于ANFIS的初步诊断
5.5.2 基于D-S证据理论的融合决策诊断
5.6 手机屏幕AOI自动检测系统中诊断实例分析
5.6.1 实验设备与环境介绍
5.6.2 实验硬件系统组成
5.6.3 实验步骤
5.6.4 实验结果分析
5.7 本章小结
第六章 总结与展望
6.1 研究工作总结
6.2 研究方向展望
参考文献
攻读学位期间所取得的相关成果
致谢