摘要 | 第5-7页 |
abstract | 第7-9页 |
第1章 绪论 | 第12-36页 |
1.1 引言 | 第12-13页 |
1.2 故障诊断技术概述 | 第13-16页 |
1.3 AUV故障诊断技术研究现状和发展趋势 | 第16-32页 |
1.3.1 AUV故障诊断技术概述 | 第16页 |
1.3.2 AUV故障诊断技术国内外研究现状和发展趋势 | 第16-29页 |
1.3.3 AUV推进器故障诊断技术需解决的主要问题 | 第29-32页 |
1.4 论文主要内容及组织结构 | 第32-36页 |
1.4.1 课题来源与本文主要内容 | 第32-34页 |
1.4.2 论文的结构框架 | 第34-36页 |
第2章 AUV推进器故障特征增强方法 | 第36-60页 |
2.1 引言 | 第36-37页 |
2.2 AUV推进器故障特征增强方法 | 第37-42页 |
2.2.1 AUV纵向速度信号自适应随机共振调整方法 | 第38-40页 |
2.2.2 调节步长对自适应随机共振效果的影响 | 第40-42页 |
2.3 AUV纵向速度信号驱动下布朗粒子运动状态分析 | 第42-46页 |
2.3.1 AUV纵向速度信号驱动下双稳随机共振系统输出信号 | 第42-44页 |
2.3.2 基于实验数据的布朗粒子运动状态分析 | 第44-46页 |
2.4 水池实验验证 | 第46-58页 |
2.4.1 实验载体 | 第46-49页 |
2.4.2 实验环境 | 第49-50页 |
2.4.3 推进器故障模拟方法 | 第50-54页 |
2.4.4 AUV纵向速度信号自适应随机共振调整方法实验验证 | 第54-55页 |
2.4.5 AUV推进器故障特征增强效果对比实验验证 | 第55-58页 |
2.5 本章小结 | 第58-60页 |
第3章 AUV推进器弱故障检测方法 | 第60-80页 |
3.1 引言 | 第60-61页 |
3.2 基于单稳随机共振的AUV推进器弱故障特征增强方法 | 第61-66页 |
3.2.1 单稳随机共振系统构造方法 | 第61-64页 |
3.2.2 基于非线性权重改进的粒子群优化方法 | 第64-66页 |
3.3 基于随机共振与小波重构的AUV推进器弱故障检测方法 | 第66-69页 |
3.4 水池实验验证 | 第69-78页 |
3.4.1 故障特征增强效果和粒子全局收敛时间对比实验验证 | 第69-75页 |
3.4.2 推进器弱故障检测效果对比实验验证 | 第75-78页 |
3.5 本章小结 | 第78-80页 |
第4章 AUV推进器故障程度辨识方法 | 第80-98页 |
4.1 引言 | 第80-81页 |
4.2 基于分形特征方法的故障辨识结果与原因分析 | 第81-85页 |
4.2.1 分形特征方法的基本原理和过程 | 第81页 |
4.2.2 基于分形特征方法的故障辨识结果与原因分析 | 第81-85页 |
4.3 基于分形特征和小波分解的推进器故障辨识方法 | 第85-90页 |
4.4 水池实验验证 | 第90-96页 |
4.4.1 故障样本库类型推进器故障辨识效果对比实验验证 | 第90-93页 |
4.4.2 非故障样本库类型推进器故障辨识效果对比实验验证 | 第93-96页 |
4.5 本章小结 | 第96-98页 |
第5章 AUV推进器弱故障程度预测方法 | 第98-120页 |
5.1 引言 | 第98-99页 |
5.2 灰色GM(1,1)方法预测弱故障程度时存在的问题和原因分析 | 第99-101页 |
5.2.1 灰色GM(1,1)方法的基本原理和过程 | 第99页 |
5.2.2 预测AUV推进器弱故障程度时存在的问题 | 第99-100页 |
5.2.3 原因分析 | 第100-101页 |
5.3 本文基于灰色预测模型的AUV推进器弱故障程度预测方法 | 第101-111页 |
5.3.1 本文方法的改进思路 | 第101-104页 |
5.3.2 本文改进的灰色背景值构造方法 | 第104-107页 |
5.3.3 本文改进的白化方程求解方法 | 第107-109页 |
5.3.4 本文改进的预测序列构造方法 | 第109-111页 |
5.4 水池实验验证 | 第111-118页 |
5.4.1 弱故障程度单调变化趋势预测效果对比实验验证 | 第111-115页 |
5.4.2 弱故障程度非单调变化趋势预测效果对比实验验证 | 第115-118页 |
5.5 本章小结 | 第118-120页 |
结论 | 第120-123页 |
参考文献 | 第123-133页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第133-135页 |
致谢 | 第135页 |