智能车辆的惯性传感器故障诊断研究
摘要 | 第1-6页 |
ABSTRACT | 第6-8页 |
目录 | 第8-13页 |
第一章 绪论 | 第13-25页 |
·课题来源 | 第13页 |
·传感器故障诊断的研究意义 | 第13页 |
·传感器故障诊断的研究现状与发展趋势 | 第13-23页 |
·故障诊断技术研究现状及发展趋势 | 第13-18页 |
·智能车辆故障诊断的研究现状 | 第18-20页 |
·故障预测技术的研究现状与发展趋势 | 第20-23页 |
·论文研究的关键问题与论文结构 | 第23-25页 |
第二章 卡尔曼滤波及多尺度卡尔曼滤波方法 | 第25-51页 |
·卡尔曼滤波理论 | 第25-31页 |
·新息过程 | 第26-27页 |
·卡尔曼滤波算法 | 第27-31页 |
·小波变换理论 | 第31-40页 |
·傅里叶变换与短时傅里叶变换 | 第31-33页 |
·小波变换 | 第33-40页 |
·基于无抽取haar算法的实时卡尔曼滤波方法 | 第40-50页 |
·多尺度动态系统建模 | 第40-41页 |
·多尺度卡尔曼滤波方法 | 第41-42页 |
·基于无抽取haar算法的实时卡尔曼滤波方法 | 第42-45页 |
·实验结果及讨论 | 第45-50页 |
·本章小结 | 第50-51页 |
第三章 冗余传感器的故障检测与诊断 | 第51-79页 |
·硬件冗余传感器的故障诊断 | 第51-54页 |
·基于概率统计的故障诊断方法 | 第51-53页 |
·奇偶向量法 | 第53-54页 |
·智能诊断方法 | 第54页 |
·不同精度冗余传感器故障诊断 | 第54-64页 |
·低精度传感器数据预处理 | 第55页 |
·不同精度冗余传感器故障诊断 | 第55-57页 |
·强背景噪声下的传感器故障诊断 | 第57-59页 |
·实验结果及讨论 | 第59-64页 |
·基于多尺度卡尔曼滤波的故障诊断方法 | 第64-70页 |
·传感器的多尺度动态模型 | 第65页 |
·基于多尺度卡尔曼滤波的故障诊断方法 | 第65-66页 |
·实验结果及讨论 | 第66-70页 |
·组合导航的故障检测 | 第70-78页 |
·组合导航系统模型和测量模型 | 第71-72页 |
·组合导航系统故障检测 | 第72-75页 |
·实验结果及讨论 | 第75-78页 |
·本章小结 | 第78-79页 |
第四章 基于粒子滤波器的传感器故障诊断与预测 | 第79-111页 |
·基于后验分布的自适应粒子滤波器算法 | 第79-91页 |
·基本粒子滤波器算法 | 第79-85页 |
·基于后验概率的自适应粒子滤波器算法 | 第85-89页 |
·实验结果及讨论 | 第89-91页 |
·基于粒子滤波器的故障诊断算法 | 第91-100页 |
·MORCS-1航迹推算系统的故障模型 | 第91-94页 |
·基于粒子滤波器的故障诊断算法 | 第94-97页 |
·实验结果及讨论 | 第97-100页 |
·基于粒子滤波器的故障预测算法 | 第100-110页 |
·故障预测问题的数学描述 | 第100-101页 |
·基于粒子滤波器的故障预测算法 | 第101-106页 |
·实验结果及讨论 | 第106-110页 |
·本章小结 | 第110-111页 |
第五章 总结以及展望 | 第111-113页 |
·本论文工作总结 | 第111-112页 |
·进一步研究工作 | 第112-113页 |
参考文献 | 第113-123页 |
致谢 | 第123-124页 |
攻读博士期间主要研究成果 | 第124页 |