| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-20页 |
| 1.1 课题背景及目的意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究目的及意义 | 第10页 |
| 1.2 故障预测技术研究现状 | 第10-18页 |
| 1.2.1 故障预测与健康管理技术概述 | 第10-13页 |
| 1.2.2 电源故障预测技术研究现状 | 第13-17页 |
| 1.2.3 惯性导航故障预测技术研究现状 | 第17-18页 |
| 1.3 课题主要研究内容 | 第18-20页 |
| 第2章 电源故障预测方法研究 | 第20-42页 |
| 2.1 船用电源故障模式分析 | 第20-21页 |
| 2.2 基于小波包分析的特征提取方法 | 第21-23页 |
| 2.3 基于HMM的状态评估方法 | 第23-31页 |
| 2.3.1 HMM基本理论 | 第24-29页 |
| 2.3.2 基于CHMM的状态评估流程 | 第29-31页 |
| 2.4 基于CHMM的状态预测方法 | 第31-36页 |
| 2.4.1 ELM基本原理 | 第31-35页 |
| 2.4.2 基于ELM-CHMM的状态预测流程 | 第35-36页 |
| 2.5 实验及结果分析 | 第36-40页 |
| 2.5.1 误差评价指标 | 第37页 |
| 2.5.2 CHMM电源状态评估实验及结果分析 | 第37-38页 |
| 2.5.3 ELM-CHMM电源状态预测实验及结果分析 | 第38-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第3章 陀螺仪故障预测方法研究 | 第42-52页 |
| 3.1 陀螺仪故障模式分析 | 第42-44页 |
| 3.2 基于AGO-RVM的动态预测方法研究 | 第44-49页 |
| 3.2.1 灰色理论基本原理 | 第44-46页 |
| 3.2.2 RVM基本原理 | 第46-47页 |
| 3.2.3 基于AGO-RVM的动态预测流程 | 第47-49页 |
| 3.3 实验及结果分析 | 第49-51页 |
| 3.3.1 短期预测实验及结果分析 | 第49-50页 |
| 3.3.2 长期趋势预测实验及结果分析 | 第50-51页 |
| 3.4 本章小结 | 第51-52页 |
| 第4章 故障预测系统部件开发及系统集成 | 第52-71页 |
| 4.1 系统需求分析 | 第52-53页 |
| 4.2 总体方案设计 | 第53-55页 |
| 4.3 主要功能模块开发 | 第55-66页 |
| 4.3.1 数据采集模块 | 第55-58页 |
| 4.3.2 数据预处理模块 | 第58-60页 |
| 4.3.3 状态评估模块 | 第60-63页 |
| 4.3.4 故障预测模块 | 第63-66页 |
| 4.4 系统集成 | 第66-70页 |
| 4.4.1 硬件选型 | 第67-69页 |
| 4.4.2 软件平台 | 第69-70页 |
| 4.4.3 故障预测系统集成 | 第70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 系统验证 | 第71-77页 |
| 5.1 系统集成测试 | 第71-72页 |
| 5.2 系统功能验证 | 第72-76页 |
| 5.3 本章小结 | 第76-77页 |
| 结论 | 第77-79页 |
| 参考文献 | 第79-84页 |
| 致谢 | 第84页 |