激光陀螺仪智能故障诊断技术研究
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-14页 |
| 1.1 论文研究的背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-12页 |
| 1.2.1 故障诊断方法概述 | 第7-8页 |
| 1.2.2 基于数据驱动的设备故障诊断方法 | 第8-12页 |
| 1.3 论文的主要内容和结构安排 | 第12-14页 |
| 2 神经网络和小波理论 | 第14-25页 |
| 2.1 人工神经网络概述 | 第14-15页 |
| 2.1.1 神经网络特点 | 第14页 |
| 2.1.2 神经网络学习规则 | 第14-15页 |
| 2.2 BP神经网络 | 第15-17页 |
| 2.2.1 BP神经网络结构模型 | 第15页 |
| 2.2.2 BP神经网络的学习算法 | 第15-17页 |
| 2.3 RBF神经网络 | 第17-19页 |
| 2.3.1 RBF神经网络结构模型 | 第17页 |
| 2.3.2 RBF神经网络的学习算法 | 第17-19页 |
| 2.4 小波理论 | 第19-24页 |
| 2.4.1 小波变换 | 第19-20页 |
| 2.4.2 多分辨分析 | 第20-22页 |
| 2.4.3 小波包变换 | 第22-23页 |
| 2.4.4 常用小波函数 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 激光陀螺仪工作原理及实验环境介绍 | 第25-34页 |
| 3.1 激光陀螺仪工作原理 | 第25-26页 |
| 3.2 稳频控制电路工作原理 | 第26-27页 |
| 3.3 抖动控制电路工作原理 | 第27-28页 |
| 3.4 FMECA分析及故障模式的选取 | 第28-31页 |
| 3.5 实验环境 | 第31-33页 |
| 3.6 本章小结 | 第33-34页 |
| 4 稳频控制电路故障诊断 | 第34-44页 |
| 4.1 稳频控制电路测试点设置 | 第34-35页 |
| 4.2 神经网络在稳频控制电路故障诊断中的应用 | 第35-40页 |
| 4.2.1 稳频控制电路故障特征向量提取 | 第35-37页 |
| 4.2.2 稳频控制电路故障诊断 | 第37-40页 |
| 4.3 基于遗传算法的神经网络优化 | 第40-43页 |
| 4.3.1 BP网络的缺陷 | 第40页 |
| 4.3.2 遗传算法优化神经网络 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 抖动控制电路故障诊断 | 第44-59页 |
| 5.1 抖动控制电路测试点设置 | 第44-45页 |
| 5.2 基于小波包分解的故障特征提取 | 第45-51页 |
| 5.2.1 抖动控制电路的信号特性 | 第45-49页 |
| 5.2.2 基于频段能量原理的特征向量提取 | 第49-51页 |
| 5.3 抖动控制电路故障诊断 | 第51-58页 |
| 5.3.1 小波包分解与重构 | 第51-53页 |
| 5.3.2 能量谱提取 | 第53-55页 |
| 5.3.3 基于RBF网络的故障诊断 | 第55-58页 |
| 5.4 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-65页 |
| 攻读硕士学位期间发表学术论文情况 | 第65-66页 |
| 致谢 | 第66-68页 |
