摘要 | 第10-11页 |
ABSTRACT | 第11页 |
第1章 绪论 | 第12-18页 |
1.1 研究背景与意义 | 第12-13页 |
1.2 国内外研究现状及发展趋势 | 第13-14页 |
1.2.1 国内外研究现状 | 第13页 |
1.2.2 存在问题和发展趋势 | 第13-14页 |
1.3 非线性故障诊断的一般方法 | 第14-17页 |
1.3.1 基于解析模型的故障诊断方法 | 第15页 |
1.3.2 基于信号处理的故障诊断方法 | 第15-16页 |
1.3.3 基于知识的故障诊断方法 | 第16-17页 |
1.4 论文的研究内容和组织构架 | 第17-18页 |
第2章 基于非线性滤波的故障诊断综述 | 第18-26页 |
2.1 非线性系统故障诊断的滤波方法 | 第18-21页 |
2.1.1 滤波的优越性和基本原理 | 第18页 |
2.1.2 传统滤波方法 | 第18-19页 |
2.1.3 卡尔曼滤波和改进卡尔曼滤波 | 第19页 |
2.1.4 粒子滤波和改进粒子滤波 | 第19-21页 |
2.2 基于滤波器的故障诊断 | 第21-25页 |
2.2.1 状态空间模型 | 第21页 |
2.2.2 残差生成 | 第21-22页 |
2.2.3 阈值选取 | 第22-24页 |
2.2.4 诊断结果 | 第24-25页 |
2.3 本章小结 | 第25-26页 |
第3章 卡尔曼滤波在非线性故障诊断中的应用 | 第26-42页 |
3.1 引言 | 第26页 |
3.2 卡尔曼滤波理论分析 | 第26-30页 |
3.2.1 状态空间描述 | 第26-27页 |
3.2.2 基于kalman滤波的故障诊断算法 | 第27-29页 |
3.2.3 存在问题和解决方法 | 第29-30页 |
3.3 非线性系统下的Kalman改进算法 | 第30-35页 |
3.3.1 近似非线性函数的EKF | 第30-31页 |
3.3.2 近似非线性概率密度的UKF | 第31-33页 |
3.3.3 仿真实例 | 第33-35页 |
3.4 基于改进卡尔曼的非线性系统故障检测 | 第35-39页 |
3.4.1 检测算法 | 第35-36页 |
3.4.2 仿真分析 | 第36-39页 |
3.5 基于改进卡尔曼的非线性故障诊断 | 第39-41页 |
3.5.1 基于卡尔曼滤波和残差平滑的故障诊断算法 | 第39-40页 |
3.5.2 基于卡尔曼滤波和残差平滑的故障隔离 | 第40-41页 |
3.6 本章小结 | 第41-42页 |
第4章 粒子滤波在非线性故障诊断中的应用 | 第42-61页 |
4.1 引言 | 第42-43页 |
4.2 粒子滤波理论分析 | 第43-50页 |
4.2.1 动态空间模型 | 第43页 |
4.2.2 贝叶斯递推滤波 | 第43-45页 |
4.2.3 蒙特卡洛积分 | 第45-46页 |
4.2.4 重采样技术 | 第46-47页 |
4.2.5 标准粒子滤波算法 | 第47-48页 |
4.2.6 仿真实例 | 第48-50页 |
4.3 粒子滤波改进算法 | 第50-52页 |
4.3.1 基于权值选择的粒子滤波算法 | 第50-51页 |
4.3.2 UPF算法 | 第51-52页 |
4.4 非高斯噪声下的故障检测算法 | 第52-58页 |
4.4.1 故障检测算法 | 第52-53页 |
4.4.2 仿真分析 | 第53-58页 |
4.5 非线性系统的故障诊断算法 | 第58-60页 |
4.5.1 基于粒子滤波和多滤波器残差的故障诊断算法 | 第58-59页 |
4.5.2 仿真分析 | 第59-60页 |
4.6 本章小结 | 第60-61页 |
第5章 基于非线性滤波器的故障诊断在飞行控制系统中的应用与研究 | 第61-77页 |
5.1 引言 | 第61页 |
5.2 直升机飞行控制系统综述 | 第61-64页 |
5.2.1 飞行控制系统的基本组成和功能 | 第61-63页 |
5.2.2 飞行控制系统故障诊断的发展和基本任务 | 第63-64页 |
5.3 基于非线性滤波的飞行控制系统的故障检测 | 第64-76页 |
5.3.1 飞行控制系统的动力学方程 | 第64-68页 |
5.3.2 飞行控制系统建模与分析 | 第68-71页 |
5.3.3 基于非线性滤波的故障检测 | 第71-76页 |
5.4 本章小结 | 第76-77页 |
第6章 总结与展望 | 第77-79页 |
6.1 总结 | 第77页 |
6.2 展望 | 第77-79页 |
参考文献 | 第79-82页 |
攻读硕士学位期间论文发表及科研情况 | 第82-83页 |
致谢 | 第83页 |