| 摘要 | 第10-12页 |
| ABSTRACT | 第12-13页 |
| 第1章 绪论 | 第17-26页 |
| 1.1 研究目的与意义 | 第17-18页 |
| 1.2 非线性系统故障诊断研究现状 | 第18-23页 |
| 1.2.1 故障可诊断性研究 | 第18-20页 |
| 1.2.2 基于故障可诊断性评价的传感器优化配置研究 | 第20-21页 |
| 1.2.3 非线性系统故障诊断方法研究 | 第21-23页 |
| 1.3 存在的问题与不足 | 第23页 |
| 1.4 论文的研究内容和组织架构 | 第23-25页 |
| 1.4.1 论文的研究内容 | 第23-24页 |
| 1.4.2 论文的组织架构 | 第24-25页 |
| 1.5 本章小结 | 第25-26页 |
| 第2章 非线性系统故障可诊断性量化评价方法研究 | 第26-45页 |
| 2.1 引言 | 第26页 |
| 2.2 问题描述 | 第26-27页 |
| 2.3 基于K-L散度的故障可诊断性量化评价 | 第27-30页 |
| 2.3.1 K-L散度定义 | 第27页 |
| 2.3.2 故障可诊断性量化评价基本原理 | 第27-29页 |
| 2.3.3 基于SKDE的概率密度函数估计 | 第29-30页 |
| 2.3.4 基于蒙特卡洛方法的非线性函数估计 | 第30页 |
| 2.4 故障可诊断性评价指标约束下的数据测量噪声可行域分析 | 第30-34页 |
| 2.4.1 不同测量噪声域下的残差数据分析 | 第31-32页 |
| 2.4.2 故障可检测性指标约束下的测量噪声可行域分析 | 第32-33页 |
| 2.4.3 故障可分离性指标约束下的测量噪声可行域分析 | 第33-34页 |
| 2.5 基于可诊断性评价的非线性系统故障检测 | 第34-36页 |
| 2.5.1 基于K-L散度的故障检测 | 第34页 |
| 2.5.2 故障漏报率和误报率分析 | 第34-35页 |
| 2.5.3 阈值的优化选取 | 第35-36页 |
| 2.6 仿真研究与结果分析 | 第36-44页 |
| 2.6.1 仿真对象描述 | 第36-38页 |
| 2.6.2 不同故障模式下残差概率密度函数估计 | 第38-39页 |
| 2.6.3 故障可诊断性量化评价结果分析 | 第39页 |
| 2.6.4 测量噪声对故障可诊断性量化评价的影响 | 第39-40页 |
| 2.6.5 测量噪声的可行域仿真分析 | 第40-41页 |
| 2.6.6 微小故障下的测量噪声的可行域分析 | 第41-42页 |
| 2.6.7 基于可诊断性评价结果的故障检测 | 第42-44页 |
| 2.7 本章小结 | 第44-45页 |
| 第3章 非线性系统故障可诊断性设计方法研究 | 第45-58页 |
| 3.1 引言 | 第45页 |
| 3.2 故障可诊断性评价分析 | 第45-48页 |
| 3.2.1 评价原理分析 | 第45-48页 |
| 3.2.2 故障可诊断性定量评价原理分析 | 第48页 |
| 3.3 故障可检测性设计 | 第48-52页 |
| 3.3.1 故障可检测性设计原理分析 | 第48页 |
| 3.3.2 基于贪心算法的系统测点设计 | 第48-51页 |
| 3.3.3 以软代硬的软传感器设计 | 第51-52页 |
| 3.4 故障可分离性设计 | 第52-54页 |
| 3.4.1 故障可分离性分析及测点配置 | 第52-53页 |
| 3.4.2 基于故障自身属性的故障可分离性设计 | 第53-54页 |
| 3.5 案例仿真研究 | 第54-57页 |
| 3.5.1 水轮机调速器控制系统 | 第54-55页 |
| 3.5.2 水轮机调速器故障可检测性设计 | 第55-57页 |
| 3.5.3 水轮机调速器故障可分离性设计 | 第57页 |
| 3.6 本章小结 | 第57-58页 |
| 第4章 基于故障可诊断性量化评价的传感器优化配置方法研究 | 第58-76页 |
| 4.1 引言 | 第58页 |
| 4.2 问题描述 | 第58-60页 |
| 4.2.1 通过实例引出问题 | 第58-59页 |
| 4.2.2 定性评价下的最小传感器集合 | 第59页 |
| 4.2.3 传感器配置过程中面临的问题 | 第59-60页 |
| 4.3 基于故障可诊断性量化评价的传感器优化配置 | 第60-62页 |
| 4.3.1 最小传感器集合下的系统故障可诊断性分析 | 第60-61页 |
| 4.3.2 传感器的优化配置问题 | 第61-62页 |
| 4.4 基于动态规划的故障诊断系统传感器优化配置算法 | 第62-63页 |
| 4.5 软传感器设计 | 第63-64页 |
| 4.6 测点传感器多目标优化配置 | 第64-68页 |
| 4.6.1 测点传感器优化配置中的约束函数 | 第64-65页 |
| 4.6.2 测点传感器优化配置中的目标函数 | 第65页 |
| 4.6.3 测点传感器多目标优化配置模型 | 第65-66页 |
| 4.6.4 改进的NSGA-II优化算法 | 第66-68页 |
| 4.7 案例仿真研究 | 第68-75页 |
| 4.7.1 仿真案例1：非线性系统数值仿真 | 第68-70页 |
| 4.7.2 仿真案例2：车辆电源系统 | 第70-75页 |
| 4.8 本章小结 | 第75-76页 |
| 第5章 基于自适应阈值的粒子滤波非线性系统故障诊断方法研究 | 第76-86页 |
| 5.1 引言 | 第76页 |
| 5.2 问题描述 | 第76-77页 |
| 5.3 粒子滤波算法 | 第77-78页 |
| 5.4 故障诊断方法设计 | 第78-81页 |
| 5.4.1 故障检测 | 第78-79页 |
| 5.4.2 自适应阈值设计 | 第79-80页 |
| 5.4.3 故障隔离 | 第80-81页 |
| 5.4.4 故障误报率和漏报率 | 第81页 |
| 5.5 仿真研究与结果分析 | 第81-85页 |
| 5.6 本章小结 | 第85-86页 |
| 第6章 基于数据驱动残差评价策略的故障检测方法研究 | 第86-97页 |
| 6.1 引言 | 第86页 |
| 6.2 多模式运行系统的故障检测方法描述 | 第86-88页 |
| 6.3 基于数据驱动方法的故障检测 | 第88-92页 |
| 6.3.1 K-L散度方法的改进 | 第88-89页 |
| 6.3.2 基于K-L散度的故障检测 | 第89页 |
| 6.3.3 基于自学习方法的K值确定 | 第89-91页 |
| 6.3.4 残差的聚类 | 第91-92页 |
| 6.4 基于故障误报率和漏报率的阈值优化 | 第92-93页 |
| 6.4.1 误报率与漏报率计算 | 第92页 |
| 6.4.2 阈值的优化选取 | 第92-93页 |
| 6.5 仿真研究与结果分析 | 第93-96页 |
| 6.5.1 仿真对象描述 | 第93页 |
| 6.5.2 残差特性分析 | 第93-95页 |
| 6.5.3 故障检测 | 第95-96页 |
| 6.6 本章小结 | 第96-97页 |
| 第7章 基于数据驱动的传感器可重构性评价方法研究 | 第97-108页 |
| 7.1 引言 | 第97页 |
| 7.2 问题描述 | 第97-99页 |
| 7.2.1 捷联惯性导航系统 | 第97-99页 |
| 7.2.2 面临问题 | 第99页 |
| 7.3 基于K-L散度的传感器可重构性量化评价 | 第99-102页 |
| 7.3.1 基于KPLS方法的传感器解析冗余分析 | 第99-101页 |
| 7.3.2 基于K-L散度进行可重构性量化评价的基本原理 | 第101-102页 |
| 7.4 可重构性量化评价阈值的优化选取 | 第102-103页 |
| 7.4.1 错分率和漏分率分析 | 第102-103页 |
| 7.4.2 阈值的优化选取 | 第103页 |
| 7.5 仿真研究与结果分析 | 第103-107页 |
| 7.6 本章小结 | 第107-108页 |
| 结论与展望 | 第108-111页 |
| 参考文献 | 第111-121页 |
| 致谢 | 第121-123页 |
| 附录A 攻读学位期间发表的学术论文和参与科研项目 | 第123页 |
