大型水面无人船综合电力系统健康评估模型研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 研究背景与意义 | 第9-11页 |
| 1.2 无人船国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-14页 |
| 1.2.3 主要差距 | 第14-15页 |
| 1.3 健康状态评估研究现状 | 第15-16页 |
| 1.4 研究内容与章节安排 | 第16-18页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 章节安排 | 第17-18页 |
| 第2章 系统健康评估方案 | 第18-23页 |
| 2.1 综合电力系统健康状态分析 | 第18-19页 |
| 2.2 健康评估技术 | 第19-21页 |
| 2.2.1 基于模型的退化参数评估方法 | 第19-20页 |
| 2.2.2 基于数据驱动的退化参数评估方法 | 第20-21页 |
| 2.3 综合电力系统健康评估总体方案 | 第21-22页 |
| 2.4 小结 | 第22-23页 |
| 第3章 基于粗糙集的特征参数的选取 | 第23-37页 |
| 3.1 健康评估相关参数的选择 | 第23-24页 |
| 3.1.1 健康评估相关参数的分析 | 第23页 |
| 3.1.2 健康评估参数选取 | 第23-24页 |
| 3.2 粗糙集理论介绍 | 第24-30页 |
| 3.2.1 信息系统与不可区分关系 | 第24-25页 |
| 3.2.2 近似集与依赖度 | 第25-26页 |
| 3.2.3 属性约简 | 第26-27页 |
| 3.2.4 属性重要度粗糙集约简算法 | 第27-30页 |
| 3.3 健康状态影响参数的约简 | 第30-36页 |
| 3.3.1 数据处理 | 第30-34页 |
| 3.3.2 健康状态参数动态约简流程 | 第34页 |
| 3.3.3 约简结果分析 | 第34-36页 |
| 3.4 小结 | 第36-37页 |
| 第4章 健康评估算法 | 第37-47页 |
| 4.1 常见健康评估算法 | 第37-43页 |
| 4.1.1 模糊综合评判法 | 第37-38页 |
| 4.1.2 层次分析法 | 第38-41页 |
| 4.1.3 人工神经网络 | 第41-42页 |
| 4.1.4 贝叶斯网络 | 第42页 |
| 4.1.5 算法对比 | 第42-43页 |
| 4.2 卷积神经网络 | 第43-46页 |
| 4.2.1 算法理论 | 第43-45页 |
| 4.2.2 算法流程 | 第45-46页 |
| 4.3 小结 | 第46-47页 |
| 第5章 基于卷积神经网络的系统健康评估 | 第47-57页 |
| 5.1 健康评估流程 | 第47-48页 |
| 5.2 模型训练与分析 | 第48-53页 |
| 5.2.1 参数处理 | 第48页 |
| 5.2.2 训练分析 | 第48-53页 |
| 5.3 模型仿真验证 | 第53-56页 |
| 5.3.1 不同输入信号的模型仿真验证 | 第53页 |
| 5.3.2 模型评估性能分析 | 第53-56页 |
| 5.4 小结 | 第56-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 6.1 论文总结 | 第57页 |
| 6.2 未来展望 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士学位期间发表的论文 | 第63页 |
