| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第8-16页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-15页 |
| 1.2.1 自确认传感器的发展现状 | 第10-11页 |
| 1.2.2 传感器的故障诊断理论方法研究现状 | 第11-15页 |
| 1.3 课题主要研究内容 | 第15-16页 |
| 2 气体传感器故障诊断系统总体设计及理论研究 | 第16-30页 |
| 2.1 引言 | 第16页 |
| 2.2 系统总体设计 | 第16-17页 |
| 2.3 敏感单元特性分析 | 第17-19页 |
| 2.4 传感器的故障类型与特征 | 第19-21页 |
| 2.5 传感器故障诊断基本理论 | 第21-29页 |
| 2.5.1 小波分析 | 第21-24页 |
| 2.5.2 EEMD算法 | 第24-27页 |
| 2.5.3 支持向量机 | 第27-29页 |
| 2.6 本章小结 | 第29-30页 |
| 3 基于小波分析的气体传感器故障诊断方法 | 第30-40页 |
| 3.1 引言 | 第30页 |
| 3.2 相对小波能量 | 第30-31页 |
| 3.3 相对小波能量特征分析 | 第31-33页 |
| 3.4 基于高频相对小波能量的故障特征提取 | 第33-35页 |
| 3.4.1 基于高频相对小波能量的特征提取方法 | 第33-34页 |
| 3.4.2 仿真信号实验分析 | 第34-35页 |
| 3.5 基于支持向量机的气体传感器故障识别 | 第35-37页 |
| 3.6 本章小结 | 第37-40页 |
| 4 基于集合经验模态分解的气体传感器故障诊断方法 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 基于信息熵的特征提取 | 第40-42页 |
| 4.2.1 信息熵原理 | 第40-41页 |
| 4.2.2 信息熵特征分析 | 第41-42页 |
| 4.3 EEMD对模态混叠的性能分析 | 第42-44页 |
| 4.4 基于方差和信息熵的故障特征提取 | 第44-49页 |
| 4.4.1 基于方差和信息熵的特征提取方法 | 第44-46页 |
| 4.4.2 仿真信号实验分析 | 第46-49页 |
| 4.5 气体传感器故障模式分类 | 第49-50页 |
| 4.6 本章小结 | 第50-52页 |
| 5 基于数据驱动的气体传感器故障诊断系统实验及结论 | 第52-70页 |
| 5.1 实验系统平台简介 | 第52-53页 |
| 5.2 系统硬件设计 | 第53-54页 |
| 5.3 系统软件设计 | 第54-55页 |
| 5.4 气体传感器故障数据采集方法 | 第55-56页 |
| 5.5 基于小波分析的气体传感器故障诊断 | 第56-61页 |
| 5.5.1 气体传感器信号小波分解 | 第56-59页 |
| 5.5.2 基于相对小波能量的气体传感器信号特征提取 | 第59页 |
| 5.5.3 实验结果及分析 | 第59-61页 |
| 5.6 基于EEMD分解的气体传感器故障诊断 | 第61-68页 |
| 5.6.1 气体传感器信号EEMD分解 | 第61-63页 |
| 5.6.2 基于信息熵和方差的气体传感器信号特征提取 | 第63-65页 |
| 5.6.3 实验结果及分析 | 第65-68页 |
| 5.7 本章小结 | 第68-70页 |
| 6 总结与展望 | 第70-72页 |
| 6.1 本文总结 | 第70-71页 |
| 6.2 工作展望 | 第71-72页 |
| 致谢 | 第72-74页 |
| 参考文献 | 第74-80页 |
| 附录 | 第80页 |
| A. 攻读硕士学位期间发表的学术论文 | 第80页 |
| B. 攻读硕士学位期间参与的科研项目 | 第80页 |
| C. 攻读硕士学位期间申请的发明专利 | 第80页 |
