基于主元分析的桥梁健康监测系统传感器故障诊断
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 主要符号 | 第13-15页 |
| 1 绪论 | 第15-23页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 故障诊断的主要内容 | 第16-17页 |
| 1.3 故障诊断技术的发展状况 | 第17-19页 |
| 1.4 基于多元统计分析的故障诊断方法 | 第19-21页 |
| 1.5 本文主要研究内容 | 第21-23页 |
| 2 传感器的故障类型与主元分析方法 | 第23-43页 |
| 2.1 引言 | 第23页 |
| 2.2 传感器故障分类及其特性描述 | 第23-26页 |
| 2.2.1 传感器故障的数学模型 | 第23-25页 |
| 2.2.2 传感器数据的向量及矩阵表示 | 第25-26页 |
| 2.3 主元分析方法 | 第26-31页 |
| 2.3.1 主元分析法概述 | 第26页 |
| 2.3.2 PCA的原理 | 第26-28页 |
| 2.3.3 PCA的几何意义 | 第28-29页 |
| 2.3.4 PCA的高维解释 | 第29-30页 |
| 2.3.5 PCA建模过程 | 第30-31页 |
| 2.3.6 主元数目的确定 | 第31页 |
| 2.4 故障检测方法 | 第31-32页 |
| 2.5 累积残差贡献率故障定位法 | 第32-33页 |
| 2.5.1 残差贡献图 | 第32-33页 |
| 2.5.2 累积残差贡献率 | 第33页 |
| 2.6 算例分析 | 第33-41页 |
| 2.6.1 模型及实验方法 | 第34-35页 |
| 2.6.2 单个传感器故障识别 | 第35-36页 |
| 2.6.3 两个传感器同时发生故障 | 第36-39页 |
| 2.6.4 累积次数对故障定位的影响 | 第39-41页 |
| 2.7 本章小结 | 第41-43页 |
| 3 WPCA在故障诊断中的应用 | 第43-65页 |
| 3.1 引言 | 第43页 |
| 3.2 主元方向敏感程度分析 | 第43-51页 |
| 3.3 故障敏感因子 | 第51-55页 |
| 3.3.1 T2统计量敏感因子 | 第51-53页 |
| 3.3.2 Q统计量敏感因子 | 第53-55页 |
| 3.4 基于WPCA的传感器故障诊断方法 | 第55-58页 |
| 3.4.1 贝叶斯推论 | 第55-57页 |
| 3.4.2 故障隔离方案 | 第57-58页 |
| 3.5 故障诊断程序 | 第58-59页 |
| 3.6 算例分析 | 第59-63页 |
| 3.7 本章小结 | 第63-65页 |
| 4 基于KPCA的传感器故障诊断 | 第65-77页 |
| 4.1 引言 | 第65页 |
| 4.2 核函数理论及常用核函数 | 第65-66页 |
| 4.3 核主元分析的基本原理 | 第66-68页 |
| 4.4 基于KPCA的故障诊断 | 第68-70页 |
| 4.4.1 KPCA模型的建立 | 第68-69页 |
| 4.4.2 故障检测策略 | 第69-70页 |
| 4.5 基于贡献图法的KPCA故障定位 | 第70-71页 |
| 4.6 算例分析 | 第71-76页 |
| 4.7 本章小结 | 第76-77页 |
| 5 故障诊断方法在实桥上的应用 | 第77-87页 |
| 5.1 引言 | 第77页 |
| 5.2 桥梁的基本信息 | 第77-78页 |
| 5.3 加速度传感器故障诊断 | 第78-86页 |
| 5.3.1 分时段检验 | 第78-82页 |
| 5.3.2 不同工况对诊断结果的影响 | 第82-83页 |
| 5.3.3 传感器故障诊断 | 第83-86页 |
| 5.4 本章小节 | 第86-87页 |
| 6 结论和展望 | 第87-91页 |
| 6.1 主要工作和结论 | 第87-88页 |
| 6.2 论文创新点 | 第88-89页 |
| 6.3 后续研究工作展望 | 第89-91页 |
| 致谢 | 第91-93页 |
| 参考文献 | 第93-99页 |
| 附录 | 第99页 |
| A.作者攻读硕士学位期间发表的学术论文 | 第99页 |
| B.作者攻读硕士学位期间参与的科研项目 | 第99页 |
