| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状和发展趋势 | 第10-13页 |
| 1.3 论文研究内容与章节安排 | 第13-16页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-16页 |
| 第2章 加速度计故障诊断的总体方案设计 | 第16-22页 |
| 2.1 多旋翼飞行器的传感器系统 | 第16-17页 |
| 2.2 加速度计故障诊断基本原理 | 第17-19页 |
| 2.2.1 故障的数学模型 | 第17-18页 |
| 2.2.2 残差序列的产生 | 第18-19页 |
| 2.2.3 故障的检测与诊断 | 第19页 |
| 2.3 加速度计故障诊断总体方案设计 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 求解残差序列的滤波器设计 | 第22-45页 |
| 3.1 贝叶斯滤波理论 | 第22-23页 |
| 3.2 高斯滤波器 | 第23-28页 |
| 3.2.1 扩展卡尔曼滤波器 | 第23-24页 |
| 3.2.2 基于奇异值分解的无迹卡尔曼滤波器 | 第24-26页 |
| 3.2.3 新型四元数卡尔曼滤波器 | 第26-28页 |
| 3.3 粒子滤波器基本原理 | 第28-32页 |
| 3.3.1 蒙特卡罗积分 | 第28-29页 |
| 3.3.2 重要性采样 | 第29-30页 |
| 3.3.3 重采样 | 第30-31页 |
| 3.3.4 标准粒子滤波器算法实施步骤 | 第31-32页 |
| 3.4 基于QKF与改进对称KL距离的自适应粒子滤波器 | 第32-36页 |
| 3.4.1 QKF重要性采样 | 第32-33页 |
| 3.4.2 基于改进对称KL距离的粒子数目自适应方法 | 第33-35页 |
| 3.4.3 实施步骤 | 第35-36页 |
| 3.5 滤波器仿真性能比较 | 第36-44页 |
| 3.5.1 滤波器高初始误差及稳态性能仿真比较 | 第37-39页 |
| 3.5.2 滤波器动态性能仿真比较 | 第39-42页 |
| 3.5.3 QKF-APF求解系统残差序列 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 分类残差序列的SVM多分类器设计 | 第45-58页 |
| 4.1 SVM基本原理 | 第45-51页 |
| 4.1.1 经验风险与结构风险 | 第45-47页 |
| 4.1.2 线性可分SVM与线性不可分SVM | 第47-49页 |
| 4.1.3 非线性分类SVM与核函数 | 第49-51页 |
| 4.2 C-SVM | 第51-52页 |
| 4.3 多核SVM多分类器 | 第52-53页 |
| 4.3.1 一对一多分类方法 | 第52页 |
| 4.3.2 多核学习 | 第52-53页 |
| 4.4 SVM决策树 | 第53-57页 |
| 4.4.1 SVM决策树的基本原理 | 第53-55页 |
| 4.4.2 类间分离度 | 第55-56页 |
| 4.4.3 SVM决策树的训练和分类 | 第56-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 SVM多分类器仿真实验 | 第58-68页 |
| 5.1 仿真数据采样 | 第58-59页 |
| 5.2 单核SVM多分类器仿真实验 | 第59-61页 |
| 5.3 多核SVM多分类器仿真实验 | 第61-63页 |
| 5.4 SVM决策树仿真实验 | 第63-65页 |
| 5.5 多核SVM与SVM决策树诊断效果对比仿真实验 | 第65-67页 |
| 5.6 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-70页 |
| 6.1 全文总结 | 第68-69页 |
| 6.2 研究展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间获得与学位论文相关的研究成果 | 第75页 |
