| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-18页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 研究现状及分析 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-15页 |
| 1.2.2 基于数据驱动的方法发展趋势 | 第15页 |
| 1.3 本文的研究内容及安排 | 第15-18页 |
| 2 故障诊断技术及高斯过程回归 | 第18-42页 |
| 2.1 故障诊断技术 | 第18-28页 |
| 2.1.1 故障诊断技术常用方法简介 | 第18-20页 |
| 2.1.2 基于模型的故障诊断方法 | 第20-22页 |
| 2.1.3 基于数据驱动的故障诊断方法 | 第22-27页 |
| 2.1.4 基于知识的故障诊断方法 | 第27页 |
| 2.1.5 基于信号处理的故障诊断方法 | 第27-28页 |
| 2.2 高斯过程回归 | 第28-32页 |
| 2.2.1 函数空间法 | 第28-30页 |
| 2.2.2 权值空间论 | 第30-32页 |
| 2.3 稀疏高斯过程回归 | 第32-40页 |
| 2.3.1 数据子集近似法 | 第33页 |
| 2.3.2 降秩近似法 | 第33-36页 |
| 2.3.3 稀疏伪输入法 | 第36-37页 |
| 2.3.4 稀疏在线高斯过程回归法 | 第37-39页 |
| 2.3.5 稀疏高斯过程回归方法复杂度总结 | 第39-40页 |
| 2.4 本章小结 | 第40-42页 |
| 3 基于GPR模型的贝叶斯滤波故障检测方法 | 第42-58页 |
| 3.1 高斯过程回归模型的建立 | 第42-45页 |
| 3.1.1 基于高斯过程回归的建模方法 | 第42页 |
| 3.1.2 核函数选取 | 第42-44页 |
| 3.1.3 超参数学习 | 第44-45页 |
| 3.2 GP-UKF算法与GP-CKF算法 | 第45-48页 |
| 3.2.1 GP-UKF算法 | 第46-47页 |
| 3.2.2 GP-CKF算法 | 第47-48页 |
| 3.3 实验仿真 | 第48-56页 |
| 3.3.1 一维系统故障检测 | 第48-52页 |
| 3.3.2 二维水箱系统故障检测 | 第52-56页 |
| 3.4 本章小结 | 第56-58页 |
| 4 基于ISRGP-UKF和ISRGP-CKF算法的非线性系统故障检测 | 第58-72页 |
| 4.1 迭代高斯过程 | 第58-59页 |
| 4.2 重要性采样(IS) | 第59-60页 |
| 4.3 ISRGP-UKF和ISRGP-CKF算法 | 第60-64页 |
| 4.3.1 ISRGP-UKF算法 | 第61-62页 |
| 4.3.2 ISRGP-CKF算法 | 第62-64页 |
| 4.4 算法复杂度分析 | 第64-65页 |
| 4.4.1 GP-UKF和GP-CKF算法复杂度分析 | 第64-65页 |
| 4.4.2 ISRGP-UKF和ISRGP-CKF算法复杂度分析 | 第65页 |
| 4.5 仿真实验及分析 | 第65-70页 |
| 4.5.1 飞行器跟踪系统故障检测 | 第66-67页 |
| 4.5.2 空气温度实时传感器故障检测 | 第67-70页 |
| 4.6 本章小结 | 第70-72页 |
| 5 结论 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 展望 | 第73-74页 |
| 参考文献 | 第74-78页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 学位论文数据集 | 第80页 |
