| 致谢 | 第6-7页 |
| 摘要 | 第7-8页 |
| abstract | 第8-9页 |
| 1 绪论 | 第15-22页 |
| 1.1 课题研究的背景与意义 | 第15-16页 |
| 1.2 故障诊断与容错控制的国内外研究现状 | 第16-19页 |
| 1.2.1 故障诊断的研究现状 | 第16-18页 |
| 1.2.2 容错控制的研究现状 | 第18-19页 |
| 1.3 论文主要研究内容 | 第19-21页 |
| 1.4 本章小结 | 第21-22页 |
| 2 故障诊断及容错控制基本理论 | 第22-35页 |
| 2.1 小波变换 | 第22-26页 |
| 2.1.1 小波分析 | 第22-23页 |
| 2.1.2 常用小波函数 | 第23-26页 |
| 2.2 神经网络 | 第26-30页 |
| 2.2.1 人工神经网络基本理论 | 第26页 |
| 2.2.2 BP神经网络（BP-ANN） | 第26-29页 |
| 2.2.3 神经网络在故障诊断中的应用 | 第29-30页 |
| 2.3 粒子群优化算法 | 第30-33页 |
| 2.3.1 粒子群算法简介 | 第30页 |
| 2.3.2 基本粒子群优化算法 | 第30-33页 |
| 2.4 状态观测器 | 第33-34页 |
| 2.4.1 状态观测器基本概念 | 第33页 |
| 2.4.2 线性时变参数状态观测器基本理论 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 改进粒子群算法优化的小波神经网络液位传感器故障诊断方法研究 | 第35-51页 |
| 3.1 小波神经网络 | 第35-37页 |
| 3.1.1 小波神经网络的结构 | 第35页 |
| 3.1.2 小波神经网络模型建立 | 第35-37页 |
| 3.2 改进粒子群算法优化小波神经网络 | 第37-39页 |
| 3.3 实验平台搭建与数据采集和样本选择 | 第39-43页 |
| 3.4 三种故障诊断方法对比分析 | 第43-50页 |
| 3.4.1 基于BP神经网络液位传感器故障诊断 | 第43-46页 |
| 3.4.2 基于小波神经网络液位传感器故障诊断 | 第46-48页 |
| 3.4.3 基于改进粒子群算法优化小波神经网络液位传感器故障诊断 | 第48-50页 |
| 3.5 本章小结 | 第50-51页 |
| 4 基于线性时变参数状态观测器液位控制系统容错控制研究 | 第51-75页 |
| 4.1 双容液位控制系统的数学模型建立 | 第51-54页 |
| 4.2 双容液位控制系统容错控制的原理 | 第54-56页 |
| 4.3 基于线性时变参数状态观测器双容液位控制系统容错控制设计 | 第56-64页 |
| 4.3.1 线性时变参数状态观测器的设计 | 第56-61页 |
| 4.3.2 线性时变参数状态观测器残差和阈值设计 | 第61-63页 |
| 4.3.3 基于线性时变参数状态观测器的双容液位系统容错控制器设计 | 第63-64页 |
| 4.4 仿真分析 | 第64-74页 |
| 4.4.1 液位系统传感器恒增益故障的容错控制仿真结果 | 第66-69页 |
| 4.4.2 液位系统传感器恒偏差故障的容错控制仿真结果 | 第69-71页 |
| 4.4.3 液位系统传感器恒增益恒偏差混合故障的容错控制仿真结果 | 第71-74页 |
| 4.5 本章小结 | 第74-75页 |
| 5 总结与展望 | 第75-77页 |
| 5.1 总结 | 第75-76页 |
| 5.2 展望 | 第76-77页 |
| 参考文献 | 第77-81页 |
| 作者简历 | 第81页 |
