| 摘要 | 第5-7页 |
| abstract | 第7-9页 |
| 第1章 绪论 | 第12-26页 |
| 1.1 引言 | 第12-13页 |
| 1.2 AUV推进器故障诊断技术研究现状 | 第13-21页 |
| 1.2.1 AUV故障诊断方法分类 | 第13-14页 |
| 1.2.2 AUV推进器故障诊断方法国内外研究现状 | 第14-21页 |
| 1.3 基于随机共振系统的故障诊断方法研究现状 | 第21-22页 |
| 1.4 基于灰色关联理论的故障诊断方法研究现状 | 第22-23页 |
| 1.5 课题的来源及本文研究内容 | 第23-26页 |
| 第2章 AUV推进器弱故障信号的特征增强和干扰抑制 | 第26-44页 |
| 2.1 引言 | 第26-27页 |
| 2.2 AUV推进器故障诊断的随机共振模型研究 | 第27-33页 |
| 2.2.1 AUV 推进器弱故障信号的随机共振机理研究 | 第27-30页 |
| 2.2.2 AUV 推进器弱故障信号的随机共振效果评价指标研究 | 第30-33页 |
| 2.3 基于人工鱼群算法的双稳随机共振系统优化研究 | 第33-39页 |
| 2.3.1 双稳随机共振系统优化参数选择和分析 | 第33-35页 |
| 2.3.2 基于人工鱼群算法的随机共振系统优化实现 | 第35-39页 |
| 2.4 实验验证 | 第39-43页 |
| 2.4.1 实验平台“海狸-Ⅱ”AUV简介 | 第39-40页 |
| 2.4.2 改进人工鱼群算法优化效果实验验证 | 第40-43页 |
| 2.5 本章小结 | 第43-44页 |
| 第3章 基于信号调整的AUV弱故障信号的随机共振研究 | 第44-56页 |
| 3.1 引言 | 第44-45页 |
| 3.2 AUV弱故障信号处理中小波分析的应用 | 第45-49页 |
| 3.2.1 信号的小波分解 | 第45-47页 |
| 3.2.2 信号的小波重构 | 第47-49页 |
| 3.3 AUV弱故障信号的载波和解调处理 | 第49-54页 |
| 3.3.1 基于FFT变换分析的信号载波实现 | 第49-52页 |
| 3.3.2 基于谱峰度(SK)统计量变换分析的信号解调 | 第52-54页 |
| 3.4 实验验证 | 第54-55页 |
| 3.5 本章小结 | 第55-56页 |
| 第4章 AUV推进器弱故障信号的特征提取 | 第56-76页 |
| 4.1 引言 | 第56页 |
| 4.2 基于谱分解和S变换的AUV弱故障信号时频特征提取 | 第56-63页 |
| 4.2.1 各时频分析方法问题分析和选择 | 第56-58页 |
| 4.2.2 基于S变换的谱分解技术处理AUV弱故障信号的研究 | 第58-61页 |
| 4.2.3 基于S变换的故障信号能量特征提取 | 第61-63页 |
| 4.3 基于统计量的时域、频域故障特征提取方法研究 | 第63-69页 |
| 4.3.1 基于统计量的信号特征提取原理 | 第63-64页 |
| 4.3.2 基于统计量的信号时域特征提取方法改进 | 第64-67页 |
| 4.3.3 基于统计量的信号频域特征提取方法改进 | 第67-69页 |
| 4.4 实验验证 | 第69-74页 |
| 4.4.1 纵向速度信号特征量提取结果及分析 | 第69-72页 |
| 4.4.2 各故障信号特征向量实验结果 | 第72-74页 |
| 4.5 本章小结 | 第74-76页 |
| 第5章 AUV推进器弱故障信号的故障程度辨识 | 第76-94页 |
| 5.1 引言 | 第76-77页 |
| 5.2 基于灰色关联理论的故障辨识方法研究 | 第77-85页 |
| 5.2.1 基于灰色关联理论进行故障辨识方法及问题分析 | 第77-81页 |
| 5.2.2 故障特征矩阵特征量的归一化处理改进 | 第81-83页 |
| 5.2.3 故障信号特征向量的分类关联改进 | 第83-85页 |
| 5.3 基于正态分布理论的故障辨识方法研究 | 第85-90页 |
| 5.3.1 基于正态分布理论处理关联度原理研究 | 第85-88页 |
| 5.3.2 各故障程度信号关联度正态分布模型参数的确定 | 第88-90页 |
| 5.4 实验验证 | 第90-92页 |
| 5.4.1 改进灰色关联分析结果对比 | 第90-91页 |
| 5.4.2 基于正态分布处理关联度方法故障辨识结果对比 | 第91-92页 |
| 5.5 本章小结 | 第92-94页 |
| 结论 | 第94-96页 |
| 参考文献 | 第96-105页 |
| 致谢 | 第105-106页 |
