| CONTENTS | 第1-11页 |
| 摘要 | 第11-13页 |
| ABSTRACT | 第13-15页 |
| 第1章 绪论 | 第15-32页 |
| ·课题背景和研究意义 | 第15-18页 |
| ·无线传感器网络技术及其发展现状 | 第15-17页 |
| ·无线传感器网络性能测试与智能故障诊断技术研究意义 | 第17-18页 |
| ·无线传感器网络性能测试技术研究现状 | 第18-24页 |
| ·无线传感器网络测试 | 第18-20页 |
| ·无线传感器网络监控 | 第20-22页 |
| ·无线传感器网络测试平台 | 第22-24页 |
| ·无线传感器网络智能故障诊断技术研究现状 | 第24-29页 |
| ·无线传感器网络故障类型 | 第24-26页 |
| ·国内外无线传感器网络智能故障诊断技术研究现状 | 第26-28页 |
| ·研究趋势 | 第28-29页 |
| ·本章小结 | 第29页 |
| ·论文的主要工作 | 第29-30页 |
| ·论文的组织结构 | 第30-32页 |
| 第2章 基于节点信息和故障注入技术的WSN性能测试方法 | 第32-58页 |
| ·引言 | 第32-33页 |
| ·相关工作介绍 | 第33-35页 |
| ·FIPES方法总体设计 | 第35-40页 |
| ·FIPES的故障注入方法及体系结构 | 第35-38页 |
| ·可注入的故障序列 | 第38页 |
| ·FIPES故障注入节点 | 第38-39页 |
| ·FIPES故障分析 | 第39-40页 |
| ·性能测试与分析 | 第40-57页 |
| ·测试平台 | 第40-49页 |
| ·测试内容 | 第49-57页 |
| ·本章小结 | 第57-58页 |
| 第3章 无线传感器网络故障检测与诊断策略研究 | 第58-80页 |
| ·无线传感器网络故障诊断的特点 | 第58页 |
| ·WSN故障检测与诊断方式 | 第58-62页 |
| ·集中式故障检测与诊断方式 | 第59-61页 |
| ·分布式故障检测与诊断方式 | 第61-62页 |
| ·基于时间自动机的WSN故障诊断方法 | 第62-69页 |
| ·引言 | 第62页 |
| ·相关工作 | 第62-63页 |
| ·故障诊断的时间自动机描述 | 第63-68页 |
| ·算法性能评价仿真实验 | 第68-69页 |
| ·一种新型的分布式WSN故障诊断方法 | 第69-78页 |
| ·引言 | 第69页 |
| ·相关工作 | 第69-70页 |
| ·节点故障模型 | 第70-72页 |
| ·节点的故障诊断方法 | 第72-74页 |
| ·仿真实验及结果分析 | 第74-78页 |
| ·采用的WSN故障诊断策略 | 第78-79页 |
| ·本章小结 | 第79-80页 |
| 第4章 基于改进神经网络算法的故障诊断技术 | 第80-111页 |
| ·引言 | 第80-81页 |
| ·基于改进型递归神经网络的WSN动态建模方法：应用于故障检测 | 第81-92页 |
| ·递归神经网络原理 | 第82-83页 |
| ·改进型递归神经网络(MRNN)的WSN建模 | 第83-87页 |
| ·利用MRNN对传感器节点进行故障检测的方法 | 第87-89页 |
| ·MRNN性能仿真实验及分析 | 第89-92页 |
| ·RBF神经网络 | 第92-99页 |
| ·RBF神经网络概述 | 第92-93页 |
| ·RBF神经网络结构模型 | 第93-94页 |
| ·RBF神经网络学习算法原理分析 | 第94-97页 |
| ·网络参数的影响及选择 | 第97-99页 |
| ·现有的RBF神经网络学习算法对比 | 第99-104页 |
| ·随机选取固定中心 | 第99-100页 |
| ·自组织选取中心 | 第100-102页 |
| ·有监督选取中心 | 第102-103页 |
| ·正交最小二乘法 | 第103-104页 |
| ·新的改进的RBF神经网络学习算法 | 第104-110页 |
| ·确定RBF函数的个数和中心参数 | 第105-106页 |
| ·确定网络隐层到输出层的权值 | 第106-107页 |
| ·改进的RBF神经网络用于故障诊断 | 第107-110页 |
| ·本章小结 | 第110-111页 |
| 第5章 基于粗糙神经网络的WSN智能故障诊断技术 | 第111-136页 |
| ·粗糙集理论基础 | 第111-116页 |
| ·粗糙集理论概述 | 第111-114页 |
| ·分类规则的形成 | 第114页 |
| ·知识的约简 | 第114-116页 |
| ·改进的归纳属性约简算法 | 第116-122页 |
| ·归纳属性约简算法 | 第116-118页 |
| ·改进的归纳属性约简算法 | 第118-122页 |
| ·基于粗糙集理论的WSN故障诊断技术 | 第122-126页 |
| ·粗糙集理论用于故障诊断的方法 | 第122-123页 |
| ·基于粗糙集的故障特征子集提取 | 第123-124页 |
| ·WSN故障诊断仿真实验与结果分析 | 第124-126页 |
| ·粗糙神经网络WSN故障诊断算法的提出 | 第126-130页 |
| ·RSRBF算法的提出思想 | 第126页 |
| ·RSRBF算法的故障诊断流程及方案 | 第126-130页 |
| ·仿真实验与结果分析 | 第130-135页 |
| ·WSN节点故障特征 | 第131-132页 |
| ·样本决策表的建立与约简 | 第132-133页 |
| ·诊断结果分析 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第6章 结论与展望 | 第136-139页 |
| 参考文献 | 第139-149页 |
| 致谢 | 第149-150页 |
| 攻读博士学位期间完成的论文及参加的科研课题 | 第150-152页 |
| 附录 | 第152-169页 |
| 附表 | 第169页 |
