四旋翼飞行器姿态传感器的故障诊断技术研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-16页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外故障诊断技术发展现状 | 第10-11页 |
| 1.3 故障诊断主要理论方法 | 第11-14页 |
| 1.3.1 依赖于模型的故障诊断方法 | 第12页 |
| 1.3.2 不依赖于模型的故障诊断方法 | 第12-14页 |
| 1.4 本论文的研究内容和安排 | 第14-16页 |
| 2 姿态传感器MPU6050分析与故障建模 | 第16-24页 |
| 2.1 姿态传感器MPU6050 | 第16-20页 |
| 2.1.1 MPU6050性能分析 | 第16-17页 |
| 2.1.2 MPU6050传感器原理 | 第17-20页 |
| 2.2 传感器误差分析与故障建模 | 第20-23页 |
| 2.2.1 MPU6050误差分析 | 第20-22页 |
| 2.2.2 传感器故障建模 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 基于遗传算法优化的BP神经网络 | 第24-46页 |
| 3.1 人工神经网络 | 第24-28页 |
| 3.1.1 人工神经网络的特点 | 第24-25页 |
| 3.1.2 人工神经网络模型 | 第25-26页 |
| 3.1.3 人工神经网络的分类 | 第26-28页 |
| 3.2 BP神经网络 | 第28-36页 |
| 3.2.1 BP神经网络原理 | 第28-29页 |
| 3.2.2 BP神经网络激活函数 | 第29-31页 |
| 3.2.3 BP神经网络训练过程 | 第31-36页 |
| 3.3 BP神经算法的改进—遗传神经网络 | 第36-42页 |
| 3.3.1 遗传算法基本原理 | 第36-38页 |
| 3.3.2 遗传算法编码方法 | 第38-39页 |
| 3.3.3 适应度函数 | 第39-40页 |
| 3.3.4 遗传算子 | 第40-42页 |
| 3.4 神经网络观测器理论 | 第42-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 基于神经网络观测器的姿态传感器故障诊断 | 第46-57页 |
| 4.1 四旋翼无人机姿态传感器神经网络观测器设计 | 第46-52页 |
| 4.1.1 四旋翼无人机非线性系统建模 | 第46-50页 |
| 4.1.2 神经网络观测器构造 | 第50-52页 |
| 4.2 姿态传感器故障诊断系统 | 第52-55页 |
| 4.2.1 故障检测逻辑 | 第52-53页 |
| 4.2.2 故障识别策略 | 第53-55页 |
| 4.2.3 故障信号重构 | 第55页 |
| 4.3 本章小结 | 第55-57页 |
| 5 仿真分析与实验验证 | 第57-77页 |
| 5.1 仿真平台 | 第57-60页 |
| 5.1.1 MATLAB | 第57页 |
| 5.1.2 数据采集 | 第57-60页 |
| 5.2 神经网络观测器性能验证 | 第60-65页 |
| 5.2.1 训练算法寻优 | 第61-62页 |
| 5.2.2 隐层节点数寻优 | 第62-64页 |
| 5.2.3 GA-BP神经网络性能验证 | 第64-65页 |
| 5.3 故障诊断仿真验证 | 第65-76页 |
| 5.3.1 故障注入 | 第65-66页 |
| 5.3.2 传感器故障在线检测 | 第66-74页 |
| 5.3.3 故障识别验证 | 第74-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 工作总结 | 第77-78页 |
| 6.2 后续研究展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第84-85页 |
| 致谢 | 第85-86页 |
