基于红外技术的机载电路板故障诊断研究
| 摘要 | 第5-6页 |
| ABSTRCT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 机载电路板故障诊断背景及意义 | 第10-11页 |
| 1.2 电路板常见故障诊断方法 | 第11-12页 |
| 1.3 国内外研究现况 | 第12-13页 |
| 1.4 论文主要研究内容 | 第13-15页 |
| 第二章 红外热成像故障诊断技术 | 第15-27页 |
| 2.1 红外热成像检测技术 | 第15-18页 |
| 2.1.1 红外技术理论 | 第15-17页 |
| 2.1.2 红外检测技术应用 | 第17-18页 |
| 2.2 故障诊断系统设计 | 第18-22页 |
| 2.2.1 故障诊断系统结构 | 第18-20页 |
| 2.2.2 故障诊断系统工作流程 | 第20-22页 |
| 2.3 正常与故障状态的发热模型 | 第22-26页 |
| 2.3.1 元器件的红外特性 | 第22-23页 |
| 2.3.2 电路板的红外特性 | 第23-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 基于多级SVM的故障诊断方法 | 第27-51页 |
| 3.1 故障诊断方法 | 第27-35页 |
| 3.1.1 建立标准数据库 | 第27-29页 |
| 3.1.2 差分与序列分析法 | 第29-31页 |
| 3.1.3 本课题的数据处理方法 | 第31-35页 |
| 3.2 支持向量机故障诊断算法 | 第35-38页 |
| 3.2.1 传统故障诊断算法 | 第35-37页 |
| 3.2.2 支持向量机理论 | 第37-38页 |
| 3.3 多级SVM故障诊断方法 | 第38-46页 |
| 3.3.1 正常与故障状态分类 | 第38-41页 |
| 3.3.2 故障诊断训练与工作阶段 | 第41-42页 |
| 3.3.3 多级SVM模型的结构 | 第42-46页 |
| 3.4 基于遗传算法的参数寻优 | 第46-48页 |
| 3.5 实验对比及分析 | 第48-50页 |
| 3.6 本章小结 | 第50-51页 |
| 第四章 机载电路板故障预测与老化程度监测 | 第51-64页 |
| 4.1 机载电路板故障预测 | 第51-57页 |
| 4.1.1 故障预测方案 | 第51-52页 |
| 4.1.2 基于灰色模型的故障预测 | 第52-54页 |
| 4.1.3 基于SVM的故障预测 | 第54-57页 |
| 4.2 机载电路板老化程度监测 | 第57-62页 |
| 4.2.1 元器件失效机理 | 第57-58页 |
| 4.2.2 红外老化程度监测技术 | 第58-62页 |
| 4.3 健康状态分级 | 第62-63页 |
| 4.4 本章小结 | 第63-64页 |
| 第五章 课题总结与展望 | 第64-67页 |
| 5.1 课题结论 | 第64-65页 |
| 5.2 课题展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 附录 | 第73-76页 |
| 作者简介 | 第76页 |
