| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-20页 |
| 1.1 课题来源及研究意义 | 第8-9页 |
| 1.2 国内外研究现状分析 | 第9-19页 |
| 1.2.1 传感器网络故障诊断现状 | 第9-17页 |
| 1.2.2 传感器数据故障检测现状 | 第17-18页 |
| 1.2.3 检测传感器故障的方法 | 第18-19页 |
| 1.3 本文主要研究内容 | 第19-20页 |
| 第2章 基于数据序列的传感器故障检测方法 | 第20-30页 |
| 2.1 一阶有限二元自回归模型 | 第20-22页 |
| 2.2 计算时间序列数据集的K-步算法 | 第22页 |
| 2.3 期望最大化(EM)算法估计模型参数 | 第22-26页 |
| 2.4 初始化参数 | 第26-28页 |
| 2.5 在故障检测中的应用 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第3章 传感器故障检测方法实验数据验证 | 第30-38页 |
| 3.1 短暂故障 | 第30-32页 |
| 3.2 噪声故障 | 第32-36页 |
| 3.3 检测方法总结 | 第36-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第4章 基于Petri网和相关图像的节点自诊断方法 | 第38-60页 |
| 4.1 基于行为分析的故障检测法 | 第38-49页 |
| 4.1.1 定义和假设 | 第39-40页 |
| 4.1.2 基于Petri网创建传感器节点模型 | 第40-49页 |
| 4.2 基于关联图像诊断传感器部件内部联系故障 | 第49-54页 |
| 4.3 在关联图像中检测突发状况 | 第54-56页 |
| 4.4 仿真实验 | 第56-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 个人简历 | 第68页 |