数据驱动的微小故障诊断方法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 故障可诊断性分析研究现状 | 第13-15页 |
| 1.2.2 微小故障诊断方法研究现状 | 第15-16页 |
| 1.3 主要研究工作 | 第16-19页 |
| 1.3.1 论文主要研究内容 | 第16-17页 |
| 1.3.2 论文主要研究成果和创新点 | 第17-19页 |
| 第二章 控制系统故障可诊断性定量分析 | 第19-37页 |
| 2.1 故障可诊断性 | 第19-22页 |
| 2.1.1 故障可诊断性简介 | 第19-20页 |
| 2.1.2 故障可诊断性建模 | 第20-22页 |
| 2.2 故障可诊断性定量分析 | 第22-33页 |
| 2.2.1 基于K-L散度分析法 | 第22-29页 |
| 2.2.2 基于能量距离分析法 | 第29-33页 |
| 2.3 案例与结果分析 | 第33-35页 |
| 2.3.1 案例：红外地球敏感器-陀螺仪系统 | 第33-34页 |
| 2.3.2 结果分析 | 第34-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第三章 基于主成分分析的故障诊断方法 | 第37-50页 |
| 3.1 主成分分析原理 | 第37-41页 |
| 3.1.1 PCA方法实现原理 | 第38-40页 |
| 3.1.2 变量标准化和样本协方差矩阵 | 第40-41页 |
| 3.2 主成分分析检测统计量 | 第41-43页 |
| 3.2.1 T~2检测统计量 | 第41-43页 |
| 3.2.2 Q检测统计量 | 第43页 |
| 3.3 案例与结果分析 | 第43-49页 |
| 3.4 本章小结 | 第49-50页 |
| 第四章 基于主成分分析的微小故障诊断方法 | 第50-60页 |
| 4.1 微小故障诊断流程与原理 | 第50-52页 |
| 4.1.1 微小故障诊断流程 | 第50-51页 |
| 4.1.2 噪声消减算法 | 第51-52页 |
| 4.2 基于K-L散度的微小故障诊断方法 | 第52-56页 |
| 4.2.1 KLD指标的构造 | 第52页 |
| 4.2.2 基于K-L散度的微小故障诊断方法 | 第52-56页 |
| 4.3 案例与结果分析 | 第56-59页 |
| 4.3.1 简单案例 | 第56-57页 |
| 4.3.2 卫星姿态控制系统 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第五章 总结与展望 | 第60-62页 |
| 5.1 工作总结 | 第60页 |
| 5.2 工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 作者在学期间取得的学术成果 | 第68页 |
