基于数据融合的HAGC系统故障多判据诊断研究
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第1章 绪论 | 第14-26页 |
| ·HAGC 系统故障诊断研究意义 | 第14-15页 |
| ·HAGC 系统简介 | 第15-18页 |
| ·HAGC 系统故障分析 | 第18-21页 |
| ·故障及其分类 | 第18-19页 |
| ·现代故障诊断研究任务 | 第19-20页 |
| ·HAGC 系统故障诊断特点 | 第20-21页 |
| ·研究现状 | 第21-24页 |
| ·智能故障诊断理论研究现状 | 第21-23页 |
| ·HAGC 系统故障诊断研究现状 | 第23-24页 |
| ·课题来源及本文研究内容 | 第24-26页 |
| 第2章 HAGC 系统瞬态响应分析及故障研究 | 第26-43页 |
| ·建模仿真概述 | 第26-27页 |
| ·部件故障分析及模型建立 | 第27-33页 |
| ·控制器 | 第28页 |
| ·伺服放大器 | 第28-29页 |
| ·伺服阀 | 第29-30页 |
| ·液压缸 | 第30页 |
| ·轧机负载 | 第30-31页 |
| ·支撑辊偏心 | 第31-32页 |
| ·背压回油管道 | 第32页 |
| ·传感器 | 第32-33页 |
| ·咬钢过程建模及仿真分析 | 第33-37页 |
| ·咬钢过程动态模型 | 第33-36页 |
| ·故障分析 | 第36-37页 |
| ·输入突变过程瞬态分析 | 第37-40页 |
| ·数值属性判据的建立 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第3章 未知输入观测器组诊断方法 | 第43-60页 |
| ·HAGC 系统模型 | 第43-47页 |
| ·系统故障的状态方程描述 | 第44-45页 |
| ·HAGC 系统标准化模型 | 第45-47页 |
| ·故障分析 | 第47-48页 |
| ·观测器的设计 | 第48-51页 |
| ·诊断观测器设计要求 | 第48-50页 |
| ·观测器求解方法 | 第50-51页 |
| ·诊断观测器组设计 | 第51-54页 |
| ·观测器组方法的提出 | 第51-52页 |
| ·HAGC 观测器组设计 | 第52-54页 |
| ·数值属性判据的建立 | 第54-55页 |
| ·仿真及故障实例研究 | 第55-58页 |
| ·仿真研究 | 第55-57页 |
| ·实例分析 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 第4章 非线性模型鲁棒故障诊断 | 第60-80页 |
| ·微分几何方法解耦 | 第60-69页 |
| ·基本概念 | 第61-63页 |
| ·非线性系统局部可观测性描述 | 第63-65页 |
| ·解耦原理 | 第65-69页 |
| ·AGC 系统非线性模型 | 第69-72页 |
| ·规范状态方程 | 第70-71页 |
| ·解耦子系统的计算 | 第71-72页 |
| ·观测器的设计 | 第72-75页 |
| ·观测器形式 | 第73-74页 |
| ·伺服阀故障诊断观测器的设计 | 第74-75页 |
| ·仿真及故障实例研究 | 第75-78页 |
| ·仿真研究 | 第75-76页 |
| ·故障实例分析 | 第76-78页 |
| ·本章小结 | 第78-80页 |
| 第5章 基于神经网络模型的HAGC 系统状态监测 | 第80-103页 |
| ·基于Hough 变换动态设计RBF 网络 | 第81-88页 |
| ·RBF 神经网络的结构及原理 | 第81-82页 |
| ·Hough 变换原理 | 第82-83页 |
| ·RBF 网络动态设计方法 | 第83-88页 |
| ·数学模型与RBF 网络结合预报轧制力 | 第88-93页 |
| ·轧制接触面积数学模型 | 第89-90页 |
| ·网络输入输出节点的确定 | 第90-91页 |
| ·样本数据的选择 | 第91-92页 |
| ·预测能力 | 第92-93页 |
| ·动态神经网络诊断方法 | 第93-94页 |
| ·动态神经网络诊断方法的提出 | 第93-94页 |
| ·压下系统结构分解 | 第94页 |
| ·动态神经网络建模 | 第94-100页 |
| ·模型定阶(AIC 定阶法) | 第94-96页 |
| ·网络建模及训练 | 第96-98页 |
| ·网络模型精度研究 | 第98-99页 |
| ·诊断实例 | 第99-100页 |
| ·网络信息融合检测突变故障信息 | 第100-101页 |
| ·本章小结 | 第101-103页 |
| 第6章 HAGC 系统故障多分辨率分析 | 第103-118页 |
| ·小波变换 | 第103-107页 |
| ·连续小波变换 | 第103-105页 |
| ·二进小波变换 | 第105页 |
| ·多分辨率分析 | 第105-107页 |
| ·小波分析奇异信号检测 | 第107-109页 |
| ·小波分析奇异性描述 | 第107-108页 |
| ·奇异性指数计算 | 第108-109页 |
| ·小波分析检测HAGC 系统故障 | 第109-116页 |
| ·系统MA 模型 | 第109-110页 |
| ·传感器故障模拟 | 第110-112页 |
| ·小波函数的选择 | 第112-113页 |
| ·故障多分辨率分析 | 第113-116页 |
| ·突变信息判据的建立 | 第116-117页 |
| ·建立突变信息判据 | 第116页 |
| ·数值属性判据的建立 | 第116-117页 |
| ·本章小结 | 第117-118页 |
| 第7 章 基于多判据融合的综合诊断 | 第118-134页 |
| ·信息融合诊断技术 | 第119-122页 |
| ·信息融合诊断简介 | 第119-120页 |
| ·信息融合诊断的必要性 | 第120-122页 |
| ·HAGC 系统信息融合框架结构 | 第122-123页 |
| ·瞬态信息判据 | 第122-123页 |
| ·稳态信息判据 | 第123页 |
| ·突变信息判据 | 第123页 |
| ·基于证据理论的多判据融合 | 第123-131页 |
| ·D-S 证据理论简介 | 第123-126页 |
| ·证据合成法则 | 第126-127页 |
| ·多判据DSET 融合诊断识别框架 | 第127-128页 |
| ·由故障测度构造bpa 函数 | 第128-129页 |
| ·证据组合 | 第129-130页 |
| ·诊断决策 | 第130-131页 |
| ·实例分析 | 第131-133页 |
| ·本章小结 | 第133-134页 |
| 结论 | 第134-136页 |
| 附录 | 第136-140页 |
| 参考文献 | 第140-149页 |
| 攻读博士学位期间承担的科研任务与主要成果 | 第149-150页 |
| 致谢 | 第150-151页 |
| 作者简介 | 第151页 |
