声明
第1章 绪论
1.1 选题背景和研究意义
1.2 国内外研究现状
(1) 系统故障模型构建与分析
(2) 诊断传感器信息融合
(3) 故障诊断决策算法
1.3 本文的主要研究内容及组织结构
1.3.1 本文研究内容
1.3.2 技术路线
1.3.3 论文的组织结构
1.4 论文创新点
第2章 认知不确定性下复杂系统可靠性分析方法
2.1 故障树模型的构建
2.2 基于动态证据网络的动态故障树定量分析方法
2.2.1 动态证据网络
2.2.2 动态故障树转化为动态证据网络
2.2.3 可靠性参数的计算
2.3 动态故障树定性分析
第3章 基于可靠性分析的复杂系统故障诊断方法
3.1 基于诊断重要度的系统故障诊断方法
3.1.1 基于部件诊断重要度和最小割集的系统故障诊断方法
3.1.2 基于最小割集重要度和部件诊断重要度的系统故障诊断方法
3.1.3 基于可靠性参数与TOPSIS算法的系统故障诊断方法
3.2 基于距离度量的VIKOR多源异构信息动态故障诊断方法
3.2.1 系统故障诊断中的多属性决策问题
3.2.2 构建诊断决策表
3.2.3 异构信息的距离度量
3.2.4 基于广义距离集结函数的VIKOR算法
3.3 算例分析
3.3.1 车地无线通信系统动态故障树模型
3.3.2 基于最小割集重要度和部件诊断重要度的故障诊断方法
3.3.3基于距离度量的VIKOR多源异构信息故障诊断方法
3.4 本章小结
第4章 融合传感器信息的系统故障诊断方法
4.1 传感器模型的构建
4.2 基于部件诊断重要度的传感器优化布局方法
4.2.1 故障树分析
4.2.2 融合传感器信息
4.2.3 故障诊断算法及其评价指标
4.2.4 算例分析
4.3 传感器证据信息可靠性
4.4 融合传感器信息及当前诊断结果更新诊断决策表
4.5 算例分析
4.5.1 基于最小割集重要度和部件诊断重要度的故障诊断方法
4.5.2 基于距离度量的VIKOR多源异构信息故障诊断方法
第5章 结论与展望
5.1 结论
5.2 进一步工作的方向
致谢
参考文献
附录 缩略词
攻读学位期间的研究成果
