| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第11-23页 |
| 1.1 课题研究背景 | 第11页 |
| 1.1.1 课题来源、背景和意义 | 第11页 |
| 1.2 水下机器人研究和发展 | 第11-15页 |
| 1.2.1 水下机器人概述 | 第11-13页 |
| 1.2.2 水下机器人的发展历程及研究现状 | 第13-15页 |
| 1.3 故障诊断技术及在水下机器人故障诊断中的应用 | 第15-20页 |
| 1.3.1 故障诊断技术概述 | 第15-17页 |
| 1.3.2 常用的故障诊断方法分类 | 第17页 |
| 1.3.3 水下机器人故障诊断的研究意义及现状 | 第17-20页 |
| 1.4 本文主要研究内容及组织结构 | 第20-23页 |
| 第二章 基于数据挖掘的故障诊断 | 第23-29页 |
| 2.1 数据挖掘技术概述 | 第23-26页 |
| 2.1.1 知识发现过程及数据挖掘的定义 | 第23-24页 |
| 2.1.2 数据挖掘的主要方法 | 第24-26页 |
| 2.2 数据挖掘的发展及其在故障诊断中的研究现状 | 第26-27页 |
| 2.3 本章小结 | 第27-29页 |
| 第三章 基于离群点检测的无监督水下机器人故障检测 | 第29-39页 |
| 3.1 引言 | 第29页 |
| 3.2 基于离群点检测的故障诊断研究 | 第29-37页 |
| 3.2.1 离群点检测算法在故障诊断中的应用 | 第29-30页 |
| 3.2.2 离群点检测算法 | 第30-32页 |
| 3.2.3 基于聚类和距离的离群点检测算法 | 第32-36页 |
| 3.2.4 基于ODDD离群点检测的水下机器人故障诊断 | 第36-37页 |
| 3.3 本章小结 | 第37-39页 |
| 第四章 基于增益率加权的贝叶斯有监督水下机器人故障分类 | 第39-49页 |
| 4.1 引言 | 第39页 |
| 4.2 贝叶斯分类及其在故障分类中的应用 | 第39-43页 |
| 4.2.1 概率论基础 | 第39-40页 |
| 4.2.2 贝叶斯分类 | 第40-41页 |
| 4.2.3 朴素贝叶斯分类 | 第41-42页 |
| 4.2.4 贝叶斯分类在故障诊断中的应用 | 第42-43页 |
| 4.3 基于信息增益率加权的朴素贝叶斯分类 | 第43-47页 |
| 4.3.1 贝叶斯信息增益率的权值求取 | 第43-44页 |
| 4.3.2 基于信息增益率加权朴素贝叶斯故障分类过程 | 第44-47页 |
| 4.4 基于离群点检测与贝叶斯分类的水下机器人故障诊断 | 第47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 仿真试验与分析 | 第49-57页 |
| 5.1 实验数据预处理 | 第49-50页 |
| 5.2 无监督水下机器人故障检测仿真实验 | 第50-53页 |
| 5.3 有监督水下机器人故障分类仿真实验 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 第六章 结论 | 第57-59页 |
| 6.1 工作总结 | 第57页 |
| 6.2 工作展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 作者简介 | 第63页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第63-65页 |
| 致谢 | 第65页 |
