基于神经网络的AUV故障诊断与容错控制技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 课题的背景与意义 | 第11-12页 |
| 1.2 故障诊断与容错控制技术概述 | 第12-14页 |
| 1.2.1 故障诊断技术内涵 | 第12-13页 |
| 1.2.2 容错控制技术内涵 | 第13-14页 |
| 1.3 国内外研究现状 | 第14-18页 |
| 1.3.1 故障诊断国内外研究现状 | 第14-17页 |
| 1.3.2 容错控制国内外研究现状 | 第17-18页 |
| 1.4 论文的目标、内容和方法 | 第18-20页 |
| 1.4.1 课题研究的目标 | 第18-19页 |
| 1.4.2 课题研究的内容 | 第19页 |
| 1.4.3 课题研究的方法 | 第19-20页 |
| 1.5 论文的结构 | 第20-21页 |
| 第二章 神经网络与模糊系统概述 | 第21-35页 |
| 2.1 神经网络概述 | 第21页 |
| 2.2 RBF神经网络 | 第21-24页 |
| 2.3 OS-ELM神经网络 | 第24-27页 |
| 2.4 模糊系统 | 第27-31页 |
| 2.4.1 模糊数学 | 第27-29页 |
| 2.4.2 模糊集合和隶属度函数 | 第29-31页 |
| 2.5 模糊神经网络 | 第31-34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 传感器故障诊断与容错控制 | 第35-45页 |
| 3.1 引言 | 第35-36页 |
| 3.2 AUV传感器基本配置与故障种类 | 第36-37页 |
| 3.2.1 AUV传感器基本配置 | 第36页 |
| 3.2.2 AUV传感器主要故障种类 | 第36-37页 |
| 3.3 神经网络在线故障诊断方案 | 第37-40页 |
| 3.3.1 RBF神经网络在线故障诊断方案 | 第37-38页 |
| 3.3.2 OS-ELM神经网络在线故障诊断方案 | 第38-40页 |
| 3.4 神经网络信号重构方案 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 推进器故障诊断与容错控制 | 第45-65页 |
| 4.1 引言 | 第45页 |
| 4.2 AUV运动控制理论及方案 | 第45-54页 |
| 4.2.1 AUV六自由度方程 | 第45-52页 |
| 4.2.2 AUV运动控制方案 | 第52-54页 |
| 4.3 推进器故障诊断方案 | 第54-61页 |
| 4.3.1 推进器工作原理及故障模式 | 第54-55页 |
| 4.3.2 模糊神经网络故障诊断方案 | 第55-56页 |
| 4.3.3 输入模糊化模块的建立 | 第56-58页 |
| 4.3.4 神经网络学习推理模块的建立 | 第58-59页 |
| 4.3.5 输出清晰化模块的建立 | 第59-61页 |
| 4.4 双推进器AUV容错控制方案 | 第61-63页 |
| 4.5 本章小结 | 第63-65页 |
| 第五章 仿真实验与结果分析 | 第65-81页 |
| 5.1 AUV传感器故障诊断仿真试验 | 第65-70页 |
| 5.2 AUV传感器信号恢复仿真试验 | 第70-72页 |
| 5.3 AUV推进器故障诊断仿真试验 | 第72-74页 |
| 5.4 AUV推进器容错控制仿真试验 | 第74-79页 |
| 5.5 本章小结 | 第79-81页 |
| 第六章 结论与展望 | 第81-85页 |
| 6.1 总结 | 第81-82页 |
| 6.2 展望 | 第82-85页 |
| 致谢 | 第85-87页 |
| 参考文献 | 第87-93页 |
| 学术论文与科研成果目录 | 第93页 |
