| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 插图和附表索引 | 第12-16页 |
| 第一章 绪论 | 第16-27页 |
| 1．1 研究背景及意义 | 第16-17页 |
| 1．2 文献综述 | 第17-24页 |
| 1．2．1 机电系统 BIT的产生、发展及其虚警问题 | 第17-21页 |
| 1．2．2 诊断间歇故障是 BIT虚警抑制技术研究的重要内容 | 第21-22页 |
| 1．2．3 诊断间歇故障抑制 BIT虚警的研究现状与存在的问题 | 第22-24页 |
| 1．3 论文的主要研究内容及组成 | 第24-27页 |
| 1．3．1 论文研究的主要问题 | 第24-25页 |
| 1．3．2 论文的研究内容和组织结构 | 第25-27页 |
| 第二章 间歇故障影响机电系统 BIT性能的机理分析与建模 | 第27-59页 |
| 2．1 间歇故障是产生机电系统BIT虚警的一个主要原因 | 第27-29页 |
| 2．1．1 机电系统 BIT产生虚警的主要原因概述 | 第27-28页 |
| 2．1．2 间歇故障是产生机电系统 BIT虚警的一个主要原因分析 | 第28-29页 |
| 2．2 非永久故障产生的原因与机理 | 第29-38页 |
| 2．2．1 非永久故障的概念及其相互关系 | 第30页 |
| 2．2．2 非永久故障的产生规律 | 第30-31页 |
| 2．2．3 非永久故障产生的原因与机理分析 | 第31-38页 |
| 2．3 非永久故障影响机电系统 BIT虚警的机理分析 | 第38-53页 |
| 2．3．1 非永久故障产生机电系统 BIT虚警的原因分析 | 第38-39页 |
| 2．3．2 间歇故障对机电系统 BIT性能影响的定性分析 | 第39-45页 |
| 2．3．3 间歇故障对机电系统 BIT性能影响的定量分析 | 第45-53页 |
| 2．4 机电系统及其各个状态模型的建立 | 第53-57页 |
| 2．4．1 机电系统各状态的马尔可夫模型 | 第53-55页 |
| 2．4．2 机电系统的隐马尔可夫模型 | 第55-57页 |
| 2．5 本章小结 | 第57-59页 |
| 第三章 基于 HMM的间歇故障诊断与虚警抑制技术研究 | 第59-80页 |
| 3．1 HMM的基本算法 | 第59-63页 |
| 3．1．1 前向一后向算法 | 第59-61页 |
| 3．1．2 Viterbi算法 | 第61-62页 |
| 3．1．3 Baum-Welch算法 | 第62-63页 |
| 3．2 基于 HMM的机电系统BIT故障诊断模型与方法研究 | 第63-73页 |
| 3．2．1 基于HMM的故障诊断模型与方法 | 第63-69页 |
| 3．2．2 HMM类型与参数的选择研究 | 第69-73页 |
| 3．3 基于HMM的间歇故障诊断与虚警抑制方法研究 | 第73-78页 |
| 3．3．1 机电系统的HMM模型 | 第74-75页 |
| 3．3．2 基于HMM的机电系统BIT间歇故障诊断方法研究 | 第75-78页 |
| 3．4 本章小结 | 第78-80页 |
| 第四章 基于 SVM的间歇故障诊断与虚警抑制技术研究 | 第80-93页 |
| 4．1 SVM的基本原理 | 第80-85页 |
| 4．1．1 机器学习的基本问题 | 第80-81页 |
| 4．1．2 统计学习理论的核心内容 | 第81-82页 |
| 4．1．3 支持向量机 | 第82-85页 |
| 4．2 基于SVM的机电系统BIT故障诊断模型与方法研究 | 第85-88页 |
| 4．2．1 多类问题的 SVM算法 | 第85-86页 |
| 4．2．2 基于 SVM的故障诊断原理 | 第86-87页 |
| 4．2．3 基于 SVM的故障诊断实验与结果 | 第87页 |
| 4．2．4 SVM与神经网络的诊断性能对比 | 第87-88页 |
| 4．3 基于 SVM的间歇故障诊断与虚警抑制方法研究 | 第88-91页 |
| 4．3．1 基于 SVM的机电系统 BIT间歇故障诊断原理 | 第88-89页 |
| 4．3．2 基于 SVM的间歇故障诊断实验与结果 | 第89-91页 |
| 4．4 本章小结 | 第91-93页 |
| 第五章 基于 HMM-SVM的间歇故障诊断与虚警抑制技术研究 | 第93-106页 |
| 5．1 基于 HMM-SVM并联模型的机电系统 BIT故障诊断方法研究 | 第93-97页 |
| 5．1．1 基于 HMM-SVM并联模型的故障诊断方法 | 第93-95页 |
| 5．1．2 并联模型的故障诊断实验与结果 | 第95-96页 |
| 5．1．3 并联模型与 HMM和 SVM诊断方法的对比 | 第96-97页 |
| 5．2 基于HMM-SVM串联模型的机电系统BIT故障诊断方法研究 | 第97-101页 |
| 5．2．1 基于 HMM-SVM串联模型的故障诊断方法 | 第97-99页 |
| 5．2．2 串联模型的故障诊断实验与结果 | 第99-100页 |
| 5．2．3 串联模型与 HMM和 SVM诊断方法的对比 | 第100-101页 |
| 5．2．4 HMM-SVM并联模型和串联模型的比较 | 第101页 |
| 5．3 基于 HMM-SVM的间歇故障诊断与虚警抑制方法研究 | 第101-105页 |
| 5．3．1 基于 HMM-SVM的机电系统 BIT间歇故障诊断方法 | 第101-103页 |
| 5．3．2 基于 HMM-SVM的间歇故障诊断实例 | 第103-105页 |
| 5．4 本章小结 | 第105-106页 |
| 第六章 基于无监督1-DISVM的间歇故障诊断与虚警抑制技术研究 | 第106-123页 |
| 6．1 改进决策1-SVM(1-DISVM)的提出 | 第106-109页 |
| 6．1．1 1-SVM的基本原理 | 第106-107页 |
| 6．1．2 1-SVM算法在分类上的不足 | 第107-108页 |
| 6．1．3 改进决策1-SVM的算法(1-DISVM) | 第108-109页 |
| 6．2 基于1-DISVM多分类模型的机电系统 BIT故障诊断方法研究 | 第109-113页 |
| 6．2．1 1-DISVM多分类模型的原理 | 第109页 |
| 6．2．2 基于1-DISVM多分类模型的故障诊断方法 | 第109-110页 |
| 6．2．3 故障诊断实例 | 第110-113页 |
| 6．2．4 1-DISVM多分类模型的特点 | 第113页 |
| 6．3 基于1-DISVM聚类模型的机电系统 BIT故障诊断方法研究 | 第113-118页 |
| 6．3．1 基于1-DISVM聚类模型的故障诊断方法 | 第113-116页 |
| 6．3．2 故障诊断应用 | 第116-118页 |
| 6．3．3 结论 | 第118页 |
| 6．4 基于1-DISVM的间歇故障诊断与虚警抑制方法研究 | 第118-121页 |
| 6．4．1 基于1-DISVM多分类模型的间歇故障诊断方法研究 | 第118-120页 |
| 6．4．2 基于1-DISVM聚类模型的间歇故障诊断方法研究 | 第120-121页 |
| 6．5 本章小节 | 第121-123页 |
| 第七章 间歇故障诊断与虚警抑制技术的应用 | 第123-138页 |
| 7．1 某稳定跟踪平台的 BIT系统设计 | 第123-126页 |
| 7．1．1 稳定跟踪平台的基本组成和功能特点 | 第123-125页 |
| 7．1．2 具有间歇故障诊断能力的稳定跟踪平台BIT系统设计 | 第125-126页 |
| 7．2 诊断间歇故障抑制捷联惯导系统 BIT的虚警 | 第126-137页 |
| 7．2．1 捷联惯导系统及原有 BIT | 第126-128页 |
| 7．2．2 改进的捷联惯导 BIT系统及诊断实例 | 第128-136页 |
| 7．2．3 应用建议 | 第136-137页 |
| 7．3 本章小节 | 第137-138页 |
| 第八章 结论与展望 | 第138-141页 |
| 8 ．1 总结与结论 | 第138-140页 |
| 8．2 研究展望 | 第140-141页 |
| 致谢 | 第141-143页 |
| 参考文献 | 第143-157页 |
| 附录:攻读博士学位期间发表的论文 | 第157-158页 |
