基于数据驱动方法的飞轮系统早期故障检测
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-27页 |
| 1.1 课题背景及研究的目的和意义 | 第14-19页 |
| 1.1.1 论文的研究背景与目标 | 第14页 |
| 1.1.2 航天器的故障特点 | 第14-16页 |
| 1.1.3 航天器早期故障检测研究的难点 | 第16-17页 |
| 1.1.4 基于数据驱动方法的早期故障检测研究 | 第17-19页 |
| 1.1.5 航天器遥测数据的特点分析 | 第19页 |
| 1.2 航天器故障检测方法的优缺点分析 | 第19-21页 |
| 1.3 基于数据驱动的故障检测方法研究现状 | 第21-24页 |
| 1.3.1 基于统计分析的故障检测方法 | 第22-23页 |
| 1.3.2 基于模式识别的故障检测方法 | 第23-24页 |
| 1.4 论文的研究内容 | 第24-27页 |
| 1.4.1 本文的主要内容 | 第24-26页 |
| 1.4.2 论文的组织结构 | 第26-27页 |
| 第2章 飞轮的故障建模与数据特征提取 | 第27-51页 |
| 2.1 引言 | 第27页 |
| 2.2 飞轮的测点分析 | 第27-32页 |
| 2.2.1 飞轮的观测变量 | 第27-29页 |
| 2.2.2 飞轮的测点配置 | 第29-30页 |
| 2.2.3 飞轮测点配置对早期故障检测的限制 | 第30-32页 |
| 2.3 飞轮的故障建模与分析 | 第32-38页 |
| 2.3.1 飞轮的仿真模型 | 第32-35页 |
| 2.3.2 飞轮的故障建模 | 第35-37页 |
| 2.3.3 仿真模型的观测变量选取 | 第37-38页 |
| 2.4 飞轮的数据特征提取与分析 | 第38-50页 |
| 2.4.1 飞轮数据的特征提取 | 第39-41页 |
| 2.4.2 数据特征的扰动因素分析 | 第41-42页 |
| 2.4.3 故障检测指标的阈值估计 | 第42-47页 |
| 2.4.4 阈值变异的影响因素分析 | 第47-50页 |
| 2.5 本章小结 | 第50-51页 |
| 第3章 基于统计分析的飞轮早期故障检测 | 第51-75页 |
| 3.1 引言 | 第51页 |
| 3.2 基于改进主元分析的早期故障检测 | 第51-61页 |
| 3.2.1 主元分析的基本原理 | 第52-53页 |
| 3.2.2 统计指标的阈值估计 | 第53-54页 |
| 3.2.3 SPE指标的故障可检测幅值 | 第54-55页 |
| 3.2.4 基于改进主元分析的故障检测方法 | 第55-61页 |
| 3.3 基于高斯混合模型的早期故障检测 | 第61-64页 |
| 3.3.1 基于EM算法的参数估计 | 第61-62页 |
| 3.3.2 BIP指标的检测原理 | 第62-63页 |
| 3.3.3 基于高斯混合模型的故障检测方法 | 第63-64页 |
| 3.4 仿真分析 | 第64-71页 |
| 3.4.1 基于改进主元分析的飞轮早期故障检测 | 第64-67页 |
| 3.4.2 基于高斯混合模型的飞轮早期故障检测 | 第67-71页 |
| 3.5 遥测数据分析 | 第71-73页 |
| 3.5.1 基于改进主元分析的飞轮早期故障检测 | 第71-72页 |
| 3.5.2 基于高斯混合模型的飞轮早期故障检测 | 第72-73页 |
| 3.6 本章小结 | 第73-75页 |
| 第4章 基于模式识别的飞轮早期故障检测 | 第75-99页 |
| 4.1 引言 | 第75页 |
| 4.2 基于改进IMS的早期故障检测 | 第75-81页 |
| 4.2.1 IMS的故障检测原理 | 第76-78页 |
| 4.2.2 基于云模型的置信度 | 第78-80页 |
| 4.2.3 基于改进IMS的故障检测方法 | 第80-81页 |
| 4.3 基于SDF的早期故障检测 | 第81-88页 |
| 4.3.1 非线性系统的周期特征 | 第81-82页 |
| 4.3.2 符号映射的原理分析 | 第82-83页 |
| 4.3.3 字符概率距离 | 第83-85页 |
| 4.3.4 字符个数的选取 | 第85-86页 |
| 4.3.5 基于SDF的故障检测方法 | 第86-88页 |
| 4.4 仿真分析 | 第88-98页 |
| 4.4.1 基于改进IMS的飞轮早期故障检测 | 第88-95页 |
| 4.4.2 基于SDF的飞轮早期故障检测 | 第95-98页 |
| 4.5 本章小结 | 第98-99页 |
| 第5章 基于统计与聚类分析的飞轮早期故障检测 | 第99-122页 |
| 5.1 引言 | 第99页 |
| 5.2 储能飞轮的仿真模型 | 第99-101页 |
| 5.3 统计分析方法与模式识别方法的融合 | 第101-106页 |
| 5.3.1 智能聚类技术分析 | 第101-103页 |
| 5.3.2 族类内数据的主元分析 | 第103-104页 |
| 5.3.3 基于智能聚类与主元分析的故障检测方法 | 第104-106页 |
| 5.4 仿真分析 | 第106-121页 |
| 5.4.1 仿真场景设置与参数选取 | 第106-109页 |
| 5.4.2 储能飞轮的磁通量降低故障 | 第109-115页 |
| 5.4.3 储能飞轮的摩擦力矩增大故障 | 第115-121页 |
| 5.5 本章小结 | 第121-122页 |
| 结论 | 第122-124页 |
| 参考文献 | 第124-134页 |
| 攻读博士学位期间发表的论文及其它成果 | 第134-136页 |
| 致谢 | 第136-137页 |
| 个人简历 | 第137页 |
