| 1 绪论 | 第1-27页 |
| ·引言 | 第11-12页 |
| ·FDD技术中的一些基本概念 | 第12-13页 |
| ·FDD的基本问题 | 第13-16页 |
| ·故障的分类 | 第14页 |
| ·FDD的任务和主要研究内容 | 第14页 |
| ·FDD系统性能评价的指标体系 | 第14-16页 |
| ·FDD方法的研究现状与发展趋势 | 第16-25页 |
| ·故障诊断方法的分类及其研究现状 | 第17-23页 |
| ·FDD目前存在的主要问题和发展趋势 | 第23-25页 |
| ·本文研究的主要内容和安排 | 第25-27页 |
| 2 小波分析理论在故障信号检测中的应用 | 第27-53页 |
| ·前言 | 第27页 |
| ·小波和小波包变换理论 | 第27-32页 |
| ·小波变换原理 | 第27-28页 |
| ·小波多分辨分析 | 第28-30页 |
| ·小波包变换 | 第30-32页 |
| ·一种改进的基于VC维的小波包信号消噪方法 | 第32-40页 |
| ·一维信号消噪与函数估计 | 第32-33页 |
| ·统计学习理论与VC维 | 第33-35页 |
| ·改进的基于VC维的小波包信号消噪方法 | 第35-37页 |
| ·在电力信号消噪中的仿真研究 | 第37-40页 |
| ·基于小波包分析的电力突变故障信号检测方法 | 第40-45页 |
| ·电压幅值突变的检测 | 第41-42页 |
| ·电压谐波故障的检测与诊断 | 第42-45页 |
| ·上升型小波变换及其在突变信号检测中的应用 | 第45-51页 |
| ·上升型小波变换 | 第45-48页 |
| ·上升型Lazy小波变换在突变信号检测中的应用 | 第48-51页 |
| ·小结 | 第51-53页 |
| 3 基于神经网络的故障分类与非线性系统故障检测方法 | 第53-79页 |
| ·引言 | 第53页 |
| ·一种多层感知器神经网络的改进算法及其在故障分类中的应用 | 第53-59页 |
| ·SBP学习训练算法 | 第54-55页 |
| ·MLP神经网络权值的改进训练算法 | 第55-57页 |
| ·改进算法的MLP神经网络在旋转机械故障分类中的应用 | 第57-59页 |
| ·一种MLP神经网络的快速学习算法及其在故障分类中的应用 | 第59-64页 |
| ·一种MLP神经网络的快速学习算法 | 第59-63页 |
| ·在旋转机械故障分类中的仿真应用 | 第63-64页 |
| ·基于正交多分辨分析小波网络的非线性系统故障检测方法 | 第64-70页 |
| ·基于小波多分辨分析的小波网络构造 | 第65-66页 |
| ·一种基于Cholesky分解的网络快速构造学习算法 | 第66-67页 |
| ·基于正交多分辨分析小波网络的非线性系统实时故障检测 | 第67-68页 |
| ·仿真研究 | 第68-70页 |
| ·基于单尺度小波框架的小波网络及其非线性系统故障检测方法 | 第70-78页 |
| ·小波网络的构造学习算法 | 第70-72页 |
| ·基于小波网络自适应状态观测器的非线性系统鲁棒故障检测方法 | 第72-77页 |
| ·仿真研究 | 第77-78页 |
| ·小结 | 第78-79页 |
| 4 故障诊断的粗糙集理论方法 | 第79-105页 |
| ·引言 | 第79页 |
| ·粗糙集理论基础 | 第79-84页 |
| ·RS理论的主要内容 | 第79-82页 |
| ·RS理论的发展和研究现状 | 第82-83页 |
| ·RS理论与其它理论方法的关系 | 第83-84页 |
| ·基于基本RS理论的故障诊断 | 第84页 |
| ·基于变精度粗糙集理论的故障诊断规则提取方法 | 第84-90页 |
| ·变精度粗糙集模型理论 | 第84-85页 |
| ·故障特征选择和诊断规则提取的VPRS方法 | 第85-87页 |
| ·应用实例 | 第87-90页 |
| ·基于概率粗集理论模型的故障诊断规则提取方法 | 第90-97页 |
| ·概率粗集模型理论与最小风险Bayes决策论 | 第90-92页 |
| ·故障诊断规则提取的PRS方法 | 第92-94页 |
| ·仿真实验 | 第94-97页 |
| ·一种基于变精度粗糙集理论模型的故障诊断专家系统 | 第97-103页 |
| ·信息熵理论的基本概念 | 第97-98页 |
| ·基于VPRS模型的故障珍断专家系统的结构及其知识获取方法 | 第98-101页 |
| ·故障诊断专家系统知识库的维护与更新 | 第101-103页 |
| ·小结 | 第103-105页 |
| 5 基于观测器方法的时滞系统故障检测 | 第105-142页 |
| ·前言 | 第105页 |
| ·一种基于鲁棒H_∞滤波器的离散时滞系统故障检测方法 | 第105-111页 |
| ·系统描述 | 第105-106页 |
| ·鲁棒H_∞故障检测滤波器的设计 | 第106-110页 |
| ·仿真算例 | 第110-111页 |
| ·具有非线性参数扰动时滞系统的鲁棒故障检测 | 第111-126页 |
| ·基于Razumikhin定理的时变时滞系统的鲁棒故障检测 | 第111-116页 |
| ·具有非线性参数扰动定常时滞系统的鲁棒故障检测 | 第116-121页 |
| ·基于RBF神经网络的变时滞系统的鲁棒故障检测 | 第121-126页 |
| ·一类Neutral时滞系统的鲁棒故障检测 | 第126-133页 |
| ·问题描述 | 第127-128页 |
| ·主要结果 | 第128-132页 |
| ·仿真示例 | 第132-133页 |
| ·结论 | 第133页 |
| ·一类关联时滞大系统的故障检测方法 | 第133-140页 |
| ·系统描述 | 第133-135页 |
| ·状态估计与故障检测 | 第135-136页 |
| ·故障检测观测器组的设计 | 第136-139页 |
| ·仿真算例 | 第139-140页 |
| ·结论 | 第140页 |
| ·小结 | 第140-142页 |
| 6 结束语 | 第142-145页 |
| 致谢 | 第145-146页 |
| 参考文献 | 第146-157页 |
| 读博期间以第一作者身份发表与撰写的论文 | 第157页 |
