摘要 | 第4-6页 |
Abstract | 第6-7页 |
主要缩写和符号 | 第14-15页 |
第1章 绪论 | 第15-30页 |
1.1 课题背景及研究目的和意义 | 第15-17页 |
1.1.1 背景 | 第15-16页 |
1.1.2 研究目的和意义 | 第16-17页 |
1.2 国内外研究现状分析 | 第17-27页 |
1.2.1 自确认传感器的发展现状 | 第17-19页 |
1.2.2 自确认多功能传感器的发展现状 | 第19-21页 |
1.2.3 自确认多功能传感器状态自确认技术的发展现状 | 第21-27页 |
1.3 存在的主要问题 | 第27-28页 |
1.4 本文的主要研究内容 | 第28-30页 |
第2章 自确认多功能传感器实验系统设计 | 第30-39页 |
2.1 引言 | 第30页 |
2.2 自确认多功能传感器结构框图 | 第30-31页 |
2.3 自确认多功能传感器实验系统设计 | 第31-37页 |
2.3.1 实验系统简介 | 第31-32页 |
2.3.2 敏感单元的特性分析 | 第32-35页 |
2.3.3 敏感单元的故障类型分析 | 第35-36页 |
2.3.4 故障仿真数据生成 | 第36-37页 |
2.4 实验数据获取步骤 | 第37-38页 |
2.5 本章小结 | 第38-39页 |
第3章 自确认多功能传感器的多故障检测及数据恢复方法 | 第39-69页 |
3.1 引言 | 第39页 |
3.2 自确认多功能传感器的多故障检测及数据恢复的实现方案 | 第39-41页 |
3.3 基于主元分析的多故障检测方法研究 | 第41-49页 |
3.3.1 基于 PCA 的多故障检测模型分析 | 第41-43页 |
3.3.2 基于 PCA 的故障检测能力分析 | 第43-45页 |
3.3.3 实验结果及分析 | 第45-49页 |
3.4 基于小波相关向量机的多故障隔离及数据恢复方法研究 | 第49-68页 |
3.4.1 小波相关向量机的原理及其特性分析 | 第49-52页 |
3.4.2 WRVM 预测器的核参数选择 | 第52-55页 |
3.4.3 利用 WRVM 预测器实现多故障隔离及数据恢复 | 第55-56页 |
3.4.4 实验结果及分析 | 第56-68页 |
3.5 本章小结 | 第68-69页 |
第4章 自确认多功能传感器的重构技术及确认不确定度评定方法 | 第69-102页 |
4.1 引言 | 第69-70页 |
4.2 基于 MVRVM 的自确认多功能传感器重构方法研究 | 第70-78页 |
4.2.1 自确认多功能传感器的重构模型 | 第70-71页 |
4.2.2 MVRVM 的基本原理及其特性分析 | 第71-73页 |
4.2.3 利用 MVRVM 实现自确认多功能传感器信号重构 | 第73-74页 |
4.2.4 仿真、实验结果及分析 | 第74-78页 |
4.3 基于 VRFV 的确认不确定度在线评定方法研究 | 第78-100页 |
4.3.1 随机模糊变量与测量不确定度的关系分析 | 第79-82页 |
4.3.2 确认的随机模糊变量及其构造方法研究 | 第82-91页 |
4.3.3 利用 VRFV 实现确认不确定度的在线评定 | 第91-93页 |
4.3.4 实验结果及分析 | 第93-100页 |
4.4 本章小结 | 第100-102页 |
第5章 自确认多功能传感器的健康评估方法 | 第102-123页 |
5.1 引言 | 第102页 |
5.2 自确认多功能传感器健康评估的实现方案 | 第102-103页 |
5.3 健康可信度的概念及其分析 | 第103-107页 |
5.4 基于灰色理论和多源信息融合的健康可信度计算方法研究 | 第107-114页 |
5.4.1 确定灰色评价标准集 | 第107-108页 |
5.4.2 确定灰色模型的白化函数 | 第108-110页 |
5.4.3 确定灰色样本评价矩阵 | 第110-111页 |
5.4.4 权值分配 | 第111-113页 |
5.4.5 确定综合灰色评价值 | 第113页 |
5.4.6 基于多源信息融合的 HRD 合成 | 第113-114页 |
5.5 实验结果及分析 | 第114-122页 |
5.5.1 多功能传感器的健康评估结果及分析 | 第114-119页 |
5.5.2 单敏感单元的健康评估结果及分析 | 第119-122页 |
5.6 本章小结 | 第122-123页 |
结论 | 第123-125页 |
参考文献 | 第125-136页 |
攻读博士学位期间发表的论文及其它成果 | 第136-139页 |
致谢 | 第139-140页 |
个人简历 | 第140页 |