基于盲源分离和人工免疫的旋翼故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 图表清单 | 第8-10页 |
| 符号注释表 | 第10-11页 |
| 第一章 绪论 | 第11-17页 |
| ·引言 | 第11-12页 |
| ·旋翼系统故障诊断的发展及研究现状 | 第12-14页 |
| ·直升机 HUMS 系统的发展及应用概况 | 第12-13页 |
| ·旋翼故障诊断的研究现状及难点 | 第13-14页 |
| ·盲源分离理论研究及应用现状 | 第14页 |
| ·人工免疫系统的研究及应用现状 | 第14页 |
| ·本文的研究思路和内容设置 | 第14-17页 |
| 第二章 盲源分离理论与算法 | 第17-27页 |
| ·引言 | 第17页 |
| ·盲源分离的几种模型 | 第17-22页 |
| ·信号盲源分离的定 | 第17-18页 |
| ·盲源分离的模型 | 第18-20页 |
| ·盲源分离模型的可辨识与不确定性 | 第20-21页 |
| ·盲源分离的等变化性 | 第21-22页 |
| ·盲源分离算法 | 第22-26页 |
| ·目标函数 | 第22-23页 |
| ·优化算法 | 第23页 |
| ·几种典型的盲源算法 | 第23-26页 |
| ·小结 | 第26-27页 |
| 第三章 基于盲源分离的多源信号分离及除噪 | 第27-38页 |
| ·引言 | 第27页 |
| ·直升机 BSS 整体解决方案 | 第27-28页 |
| ·盲源信号分离 | 第28-37页 |
| ·无噪声的仿真信号分离 | 第28-33页 |
| ·BSS 的消噪性能 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第四章 基于 BSS 的试验数据特征提取 | 第38-46页 |
| ·引言 | 第38页 |
| ·试验简述 | 第38-39页 |
| ·数据的预处理 | 第39-40页 |
| ·特征提取 | 第40-45页 |
| ·基于 ICA 估计基的特征向量提取原理 | 第40-41页 |
| ·基于 ICA 估计基的不平衡故障特征提取 | 第41-45页 |
| ·小结 | 第45-46页 |
| 第五章 基于 BSS-BP 的故障诊断 | 第46-55页 |
| ·引言 | 第46页 |
| ·基于 ICA-BP 神经网络诊断 | 第46-48页 |
| ·基于 BP 神经网络直升机旋翼不平衡诊断 | 第48-54页 |
| ·小结 | 第54-55页 |
| 第六章 基于人工免疫系统的故障诊断 | 第55-68页 |
| ·引言 | 第55页 |
| ·自然免疫系统 | 第55-57页 |
| ·人工免疫系统的基本原理 | 第57-60页 |
| ·人工免疫主要算法 | 第60-63页 |
| ·一般免疫算法 | 第60-61页 |
| ·阴性选择算法 | 第61-62页 |
| ·免疫网络算法 | 第62-63页 |
| ·人工免疫系统用于故障模式识别分类 | 第63页 |
| ·基于 ICA-AIS 直升机旋翼不平衡故障诊断 | 第63-67页 |
| ·小结 | 第67-68页 |
| 第七章 结束语 | 第68-69页 |
| ·总结 | 第68页 |
| ·后期的展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73-74页 |
| 附录 | 第74-93页 |
